随着生物医学领域文本数据使用的日益频繁，该领域的实体标注方法也显得越来越重要。实体的自动标注在处理很多问题上有着关键而高效的作用，其中包括文本信息的抽取、纯文本的自动分类、文本信息的提炼与总结、问答系统和基于文本的知识挖掘等。尽管目前有很多关于实体标注的方法被广泛的运用在生物医学实体的抽取中，但是，它们基本都会碰到例如数据的灵活性、语言的相对独立性和基于规则的词意消歧的复杂性等问题。另一方面，随着链接开放数据的发展，越来越多的开放知识库主动的把自己的数据链接到这个庞大的数据云上。最近几年里，互联网上结构化数据的数量迅猛增加。目前，295个不同领域的网络数据源中拥有数以百万计的RDF三元组，它们甚至连语言都不尽相同。如此众多的三元组所带来的则是大量唾手可得的实体信息与错综复杂但却易于挖掘的实体间关系。所以，研究者们可以高效的从这个庞大的数据云中获得某个特定领域的数据。在本文中，我们提出了一个基于链接开放数据的知识驱动的方法来解决在生物医学文献中进行实体标注的问题。通过这个方法，一个名为MeDetect的标准医学实体标注系统最终得以实现。这个系统很好的解决了前文提到的一些传统方法无法解决的问题。尤其是在实体的过滤与消歧义上，MeDetect利用庞大而又结构化的链接开放数据，采取了协同标注的方法，取得了良好的效果。最后，本文也通过实验证明该系统的有效性和效率。