随着互联网的飞速发展,互联网上的数据也在以超凡的速度呈现出爆炸式的增长。尤其文本数据的爆炸式增长带来了严重的“信息过载”问题。互联网数据中海量冗余信息、虚假信息、噪音信息使得查找和浏览有用信息变得愈发困难,人们迫切需要一些自动化的技术帮助处理海量信息,自动从互联网的海量信息中抽取出噪声少,信息量高的信息,现阶段的相关技术有信息抽取,自动摘要等。作为信息抽取领域的基础技术,实体识别与实体链接,能够从杂乱无章的文本中识别出关键的实体,将文本结构化为以实体为核心的语义表示,为分析大量的非结构化文本提供了高效便捷的技术手段。实体识别是识别出文本中某些类型实体的任务,现有实体识别任务大多是对于人名,地名,组织机构名等进行识别,而对于其他特殊类型的实体识别任务研究还很少,尤其是百分比数字相关的实体识别研究更加稀少。同时,对于百分比相关的数字实体识别任务有着独特的问题挑战,例如实体本身存在省略,不完整等问题,传统实体识别方法无法解决。而此任务对于帮助机器实现自动理解百分比数字的含义,用来进行信息抽取,文本分析,生成百分比的可视化图表或是辅助智能问答有着重要意义。实体链接是指把文本中的实体提及(某个待链接到知识库的某个实体的词或短语)解析到其所代表的真实世界实体的任务,现有实体链接方法通常利用局部上下文信息去获取实体提及的向量表示,将其与候选实体向量表示相比较,接着应用条件随机场(CRF)进行集体的实体链接。此类方法的固有缺点就是,同一文档中候选实体之间的全局语义关系未在实体向量嵌入过程中进行编码。因此,所得到的实体向量嵌入表示不包含候选实体之间的全局语义信息。基于以上所述,本文开展了如下两个研究工作。基于句子改写的百分比相关数字实体识别:在本文中,我们介绍了百分比相关的数字实体识别任务特有的问题与挑战,例如实体本身是由多个不连续的文本片段组成,为解决这些问题,我们提出基于改写的方法,利用现有标注数据,训练句子改写模型,将含有多个百分比的复杂句子改写为多个相对简单子句,以缓解实体存在部分省略,或不连续等问题。同时,我们利用强化学习,联合优化句子改写模型和实体抽取模型。实验结果表明,我们的方法优于对比方法,取得了很好的效果。基于图卷积的实体链接:在本文中,为解决现有方法对于全局语义信息利用不足,我们提出了一种新颖的图神经实体链接模型。首先为文档构造异构的实体-词图,对文档中的实体之间的语义关系进行编码。然后将图形卷积网络(GCN)应用于实体-词图之上,动态地生成一组新的由实体和相关单词的语义信息增强过的实体向量嵌入,这些动态生成的实体向量嵌入使模型具有增强的全局语义一致性。在图卷积网络层之上,采用条件随机场来联合实体链接的局部和全局信息。实验结果表明,我们的方法优于一些最新的实体链接方法,具有更高的效率和有效性。