El propósito del enlace de entidades es conectar menciones de entidades en texto con entidades reales en la base de conocimientos. Los métodos existentes se centran en utilizar el tema del texto, el tipo de entidad, el orden de enlace y la asociación entre entidades para obtener las entidades objetivo. Aunque estos métodos han logrado buenos resultados, ignoran la exploración de entidades candidatas, lo que lleva a una información semántica insuficiente entre las entidades. Además, la relación implícita y la discriminación dentro de las entidades candidatas también afectan la precisión del enlace de entidades. Para abordar estos problemas, introducimos información sobre entidades candidatas de Wikipedia y construimos un modelo de grafo para capturar dependencias implícitas entre diferentes decisiones de entidades. Específicamente, proponemos un mecanismo de atención en cascada y desarrollamos un nuevo modelo local de enlace de entidades denominado CAM-LEL. Este modelo aprovecha la interacción entre las menciones de entidades y las entidades candidatas para mejorar la representación semántica de las entidades. Además, se establece un modelo global de enlace de entidades denominado DG-GEL basado en un grafo dinámico para construir un grafo de asociación de entidades, y se utilizan un algoritmo de caminata aleatoria y la entropía de entidad para extraer las relaciones implícitas dentro de las entidades y aumentar la diferenciación entre ellas. Los resultados experimentales y los análisis en profundidad de múltiples conjuntos de datos muestran que nuestro modelo supera a otros modelos de vanguardia.