实体链接是指将文本中的实体指称映射到知识库实体的过程,其在知识图谱、知识融合领域都是关键的步骤之一。针对长文本领域中基于图的实体链接算法存储空间大、运行时间长的问题,本文提出了两种基于知识图谱的实体链接方法,包括基于卡茨相关性的实体链接方法和基于置信度的实体链接方法。本文的主要贡献如下:(1)批次阈值的候选实体生成方法:对指称实体进行预分类,通过小量多次的方法,每一次仅为文本中相邻的几个待消歧实体生成候选实体,以缩小图的规模,进而解决在长文本领域基于图的实体链接方法耗时问题。(2)基于卡茨相关性的联合消歧算法:通过引入的卡茨相关性理论计算任意两个候选实体之间的关系,将联合消歧时求候选实体图中最亲密子图转换成候选实体之间关系矩阵的最大子矩阵求解问题,并通过爬山算法求得最大候选实体关系子矩阵。实验结果表明,该算法可以显著的提高基于图的中文长文本的实体链接的运行速度,减少耗时。(3)基于置信度的联合消歧算法:计算每一个候选实体的置信度,并考虑到非歧义指称实体影响着待消歧实体的候选实体的选择,该算法仅针对置信度为1的非歧义指称实体进行重启随机游走,得到任意一个非歧义实体与其它指称实体的候选实体之间的亲和度。进而尝试将亲和度与置信度相结合进行联合消歧。实验结果证明,本算法能够兼顾运行速度和精确度。