随着信息化的快速发展,互联网中的文本信息越来越多,人们对自然语言处理的需求也越来越大。近几年,手机等设备的快速普及以及移动网络的快速发展,人们频繁地使用微博这类短文本信息交流工具。如何从短文本信息中挖掘出有价值的信息,是一个亟待解决的问题。命名实体识别与消歧是一系列文本处理技术的基础,本文围绕着如何提升短文本命名实体识别与消歧的效果,做了如下研究工作:(1)基于自注意力深度学习的方法,构建了一种SelfAttentionBiLSTM-CRF神经网络模型进行短文本的命名实体识别。引入了自注意力机制,使得模型能够在不关联外部数据的情况下,捕获上下文相关内部信息,来更好地理解句子结构,充分地挖掘出文本自身包含的特征。这种方法不需要人工地设计特征,能够自动的完成文本中端对端的命名实体识别,实验结果表明,这种模型拥有较高的识别准确率。(2)提出一种基于多特征融合的短文本实体消歧方法。依据待消歧实体指称,使用百度百科获取候选实体集,并抽取待消歧实体与候选实体的多个特征进行对比,采用线性加权的方法进行融合,从候选实体集中找出分值最高的实体作为链接目标,完成消歧。实验结果表明,这种方法对短文本的实体消歧有着良好的效果。