互联网的发展带来了信息的爆炸式增长,随着大型知识库的出现,知识库问答(Knowledge Base Question Answer,KBQA)系统应运而生。知识库问答接受自然语言问句,理解问句意图,通过查询知识库,输出与问句匹配的答案,便捷有效地满足人们的需求。实体链接是知识库问答的第一步,它识别问句中的实体指称并将其链接到知识库中特定的实体。目前的实体链接大多采用管道方式,其分为指称识别和实体消歧两个阶段,由于这两阶段是分开建模训练的,因此存在错误扩散和监督信息局部化的问题。论文针对这些问题开展研究,主要工作包括:首先,对目前常用的NLPCC 2016知识库问答数据集进行了分析,修订了数据中存在的问句和答案不匹配、问句和答案对应的三元组在知识库中不存在以及问句错误等三大类问题,并反标了问句中的指称实体,在此基础上形成了 一个实体链接数据集NLPCC-H。其次,提出了一种新的实体链接组合模型。在指称识别阶段,采用组合双向长短期记忆网络与条件随机场(BiLSTM-CRF)的序列标注模型,引入集束搜索来获取多个候选指称,为后续阶段保留更多可能,同时引入基于句法信息的重排序机制;在实体消歧阶段,采用语义相似度模型,模型根据聚类结果进行采样以缓解正负样例不平衡的问题,同时引入注意力机制以获得更好的候选对向量表示。模型的top 1准确率达到84.12%,取得了已有模型的最好性能。最后,将本文提出的实体链接模型应用于KBQA,结合其他已有技术设计并实现了一个KBQA系统,系统在实际应用过程中表现出了良好的性能。