网络资源的不断膨胀，信息的不断增多使得人们获取有价值的信息变得越来越困难。而微博的发展和流行，使得人们更加无法从短文本中获取更多感兴趣的内容。课题组为解决这一问题，开发了知识拓展与推荐平台，为用户感兴趣的信息提供更多的拓展信息。而待拓展知识条目的歧义性成为系统性能的瓶颈。实体链接技术是解决该问题的重要方法，它让程序自动确定上下文中出现的某个实体指称应该指向的真实世界中的哪个实体，从而实现消歧。针对中文微博这一短文本领域的实体链接任务，主要进行了以下几个方面的工作：为获取充足的微博语料，本课题首先实现了网页微博爬虫程序，相比于API的获取方式，大大提高了获取效率，同时获取了大量的微博语料，并进行了相应预处理工作。候选实体的获取是实体链接的关键，针对任一待消歧实体，提出了多种不同方式获取的候选实体，分别赋予了不同的权重以去除噪声提高消歧的准确性。候选知识库信息的获取则主要来自维基百科和百度百科，对于百科中不存在的词汇，则调用一个元搜索对网络上的信息进行整合，完成信息的获取。而针对微博语料的特征稀疏问题，首先利用用户简介信息、标签及近期微博进行拓展；然后提取微博中的关键词获取Google、百度、Bing等搜索引擎的结果进行拓展。实现了基于多渠道候选实体的实体链接算法和基于领域词库的实体链接算法。通过各种方法的对比，算法在NLP&CC2013评测公开数据集上能够给出较为理想的准确值。本课题最后基于新浪微博开放平台搭建了知识拓展与推荐的应用系统。本课题算法处理的结果在系统运行的结果显示，可以达到预期的效果。