众所周知，在很多自然语言处理的任务中，知识库所起到的作用是不可或缺的，比如问答系统，自然语言推理等等。而实体链接，也就是在知识库中找到一段文本所包含的实体，很多时候是作为这些自然语言处理任务的上游基础任务存在的，因此实体链接可以说是一项非常重要的工作。
　　自实体链接任务发展以来，标准实体链接任务的链接目标都是类似Wikipedia这样的大型百科知识库，这类实体链接方法的准确率已经达到了很高的水平。但是这在很大程度上依赖于这类知识库中已被挖掘的大量标注信息和统计数据。而这样的信息在各类领域知识库中很难获取。因此现在的实体链接工作开始逐渐转向如何依赖更少的信息来完成实体链接任务。
　　除此之外，还有可能会碰到跨语言实体链接的问题，比如说知识库中的语言为英文，而待进行链接的文本却为其他语言，比如中文或者孟加拉语。也就是要链接到KG的文本并非KG中的语言。这也是现在实体链接任务所研究的重点内容。
　　本文即是在当下的研究基础上，对多语言实体链接任务在低资源条件下的解决方案进行了探究，并提出了仅依靠知识库中实体的名称和描述来解决实体链接的多语言少样本问题和多语言泛化零样本问题的方法。而且，通过构建符合这些问题设定的数据集并加以实验，最终证明了方法的有效性。