在网页信息迅速爆炸的时代，为提高用户的检索效率，对网络数据进行有效的整合成为了一个重要的研究课题。网络数据呈现半结构化状态，如商品数据、博客等，并且数据来自世界各地，语言习惯的不同导致描述方式也可能不一致，因此处理起来会比较困难。现有的实体识别方法多是针对文本形式的词组或是关系数据，无法处理网络数据的问题，而专门针对网络数据设计的实体识别算法，如多数针对商品数据设计的实体分类算法，它们一般存在如下的不足：第一无法满足时间效率的要求，即这些方法如果用到实际工程系统中，用户需要经历很长的等待时间；第二对领域知识有较大的依赖，现有的方法无法做到领域无关且无先验知识的实际要求；第三实体识别效果不好，无法取得类似关系数据上的效果。针对以上问题，本文在以商品数据为研究对象的前提下，提出了一种基于实体的海量数据在线实体分类方法。本文采用属性提取的方法将半结构化的商品结构化，以此来计算商品间的相似度，在此基础上又提出了两种优化方案，即通过网络的分类优化和基于用户反馈的分类优化。在属性提取方面，本文提出了基于模式和基于距离的两种方法，该方法无需先验知识且无需人为监督，最终提取出属性的同时还生成了两个本地知识库，用于优化后续的分类结果；针对提取的属性信息，本文提出了同义词发现算法，用于排除商品描述中的笔误以及用词习惯不同的问题；结合属性信息，本文提出了全新的相似度度量方法，并依此将商品按实体聚类；对于实体聚类的结果，本文提出了基于网络的优化方案，利用网络上的知识去识别跟多的商品属性信息；本文还提出了基于用户反馈的优化方案，提出了针对三种不同用户行为的优化方法；最后本文结合真实的商品数据，通过大量的实验验证了本文算法的有效性，同时在理论研究的基础上搭建了一个基于实体的在线商品检索系统，验证了本文算法在工程上的实用性。