在网络技术高度繁荣的Web2.0时代,网络信息呈现出爆炸性增长,互联网已经逐步发展成为一个全球巨大的共享信息仓库。如何从海量的信息库中快速且准确的获取到用户所需的信息,是信息时代中一个亟待解决的问题。随着wiki技术的不断革新,以wikipedia为代表的知识库大量涌现,此类知识库作为一种开放的内容知识平台,加快了知识的共享和交流,为人们的生活提供了方便。因为wikipedia具有自由编辑的特点,大众的参与使得其内容不断扩充,知识库不断得到积累和完善,wikipedia逐渐成为信息检索的重要渠道之一。但因其信息不规范,表现形式复杂多变,数据量巨大,因而信息冲突、歧义的现象较为普遍,成为面向知识库的信息检索、抽取、挖掘等任务中首要解决的问题。本课题的研究内容----实体链接,很大程度地解决了知识库中的实体歧义问题,对面向知识库的信息检索、抽取以及知识库的扩展具有重要意义。在实体链接任务中,存在实体表现形式多样、指代推理关系复杂等难点,本文在分析已有工作的基础上,提出了基于属性信息和排序SVM模型的实体链接的研究方法。　　本文首先依据背景文档信息对查询词进行扩展,以获得更多有关查询词的信息,便于目标实体的准确定位:之后利用信息检索技术生成候选实体集。对于本课题的核心模块----候选集合排序模块,本文提出了基于实体属性信息和排序SVM模型对候选集合进行两轮排序的算法。首先提取了目标实体的部分属性信息,利用属性的刻画和限定作用进行候选集合的首轮排序工作,然后结合排序SVM模型完成第二轮排序,从而确定最佳匹配实体。实验结果表明,与无监督的相似度计算方法及有监督的未利用属性信息的方法相比,本文提出的方法在效果上具有明显提升,证明了本文方法的有效性。