实体链接是研究中一个重要的方向，主要集中在通过将文本片段链接到本体或知识源来创建结构化数据。我们重新审视了用于实体链接的结构化预测方法，该方法对每个单独的输入标记进行分类，并汇总这些标记的预测结果。我们的系统称为SpEL（Structured prediction for Entity Linking），是一种最先进的实体链接系统，它引入了一些新的思想来将结构化预测应用于实体链接任务，包括：两个改进的微调步骤；一种上下文敏感的预测聚合策略；减少模型输出词汇表的大小；以及解决实体链接系统中常见的训练与推理标记化不匹配问题。实验结果表明，我们在常用的AIDA基准数据集上对维基百科的实体链接性能超过了现有最先进水平。此外，我们的方法在参数数量和推理速度方面也非常高效。