社交媒体作为大众在互联网时代的网络社交场所,已成为热点事件传播、信息获取的重要载体。地理空间位置是事件的重要属性,从社交媒体文本中解析地名并获取其地理空间位置,对事件时空演化规律的分析与认识具有重要意义。然而社交文本的内容具有非正式性,大量非正式地名包括缩写、误写和别名等难以被检测,同时地名上下文的嘈杂性也促使地名识别的难度远高于正式文本。本文以基于多源地名空间数据库的英文社交媒体文本地名识别与链接方法为研究对象,展开研究工作,主要工作内容包括:（1）提出一种无监督的异构地理实体对齐方法。首先针对地理实体特点提出名称、空间和类型三种相似度算法,然后利用K-mean算法对各个相似度算法的权重自设置并实现相似度组合,最后依据朴素下降提取算法对异构的地理实体对迭代提取匹配结果,实现异构地理实体数据库的对齐。在方法比较实验中,本文方法取得了89.52%的F1值,比基于投票聚合的方法高出15.7%。（2）提出一种无监督的面向英文社交文本的地名识别方法。首先,提出针对社交文本的候选地名指称预提取方案,包括文本预处理、主题标签分割、候选地名指称预提取;然后,从多源地名空间数据库提取地名正样本,从社交文本语料提取地名负样本,并根据地名类型设计正样本增强和负样本削弱的规则;其次,针对地名的短文本特征,提出基于C-LSTM+注意力机制模型实现地名和非地名的判断;最后针对候选地名指称的规则特点,设计了候选地名识别算法,实现对候选地名指称的判断识别。在方法比较实验中,本文方法取得了78.14%的F1值,相比于三种基线方法:Stanford NER,基于规则的方法和Gaz PNE分别高出35.8%,29.5%,9.3%。（3）提出基于多源地名空间数据库和Elastic Search搜索引擎的英文地名链接方法。针对Elastic Search搜索引擎的特点和地名的文本特点,研究实现了针对地名搜索的打分排序规则,包括地名前缀增强以及双字段查询策略;然后结合地理实体之间的空间关系,基于DBSCAN密度聚类算法设计了候选地名实体选取算法,实现地名到地理实体的链接。在方法比较实验中,本文方法取得了73.36%的F1值,比基于Nominatim的方法高出18.9%。