实体关联搜索被应用于许多领域,比如国家安全和生物信息学等。近年来,网络中出现的图结构化的语义网数据促进了实体关联搜索的发展,这些数据提供了比那些隐藏在非结构化文本中的数据更为明确的结构化语义关联,便于计算机发现和处理。随着语义网数据数量的急剧增长,成千上万的语义关联产生。用户往往只想通过查看一些重要的、有价值的、包含尽可能多信息量的关联,来了解实体及其之间的关系。因此,需要进行多实体间top-k关联的搜索。多实体间top-k关联的搜索返回一个包含k个语义关联的列表,这k个关联有关于这个查询最大的打分和。实际上,top-k结果中的一些关联可能是相似的,它们显示了非常相近的语义,提供给用户冗余的信息。多实体间多样化top-k关联的搜索不仅仅考虑语义关联的打分,也考虑语义关联的多样性。为了进行多实体间多样化top-k关联的搜索,三个问题需要被解决。第一,如何度量语义关联的重要性,即如何对语义关联进行排序;第二,如何度量两个语义关联之间的相似度;第三,如何较快地搜索最优的多样化top-k语义关联。本文针对这些问题进行了探索,主要有以下两个方面的贡献:1.设计了一种多实体间关联排序的方法,排序原则是语义关联的结构大小和实体类型一致性,并基于该排序方法实现了一种多实体间top-k关联的搜索方法。2.实现了多种多实体间多样化top-k关联的搜索方法,提出一种综合考虑结构和语义的新方法来度量语义关联的相似性。