本申请提供了一种神经网络模型的训练方法、实体匹配方法及相关装置，该神经网络模型包括第一模型和第二模型。该方法包括：通过对不存在缺失值的原始数据集进行掩码构建得到训练数据集，根据该训练数据集对该神经网络模型进行训练，其中在训练该神经网络模型的过程中，通过该第一模型所包括的多个底层神经网络模型来分别学习出每个属性的属性值的特征表示，通过该第二模型来至少基于该第一模型输出的属性的属性值特征表示学习出预测标签，并至少基于该预测标签与该训练数据集的真实标签之间的差异来更新该神经网络模型的参数。该方法在保证实体匹配结果的精度的前提下，可以有效降低实体匹配的开销和提高实体匹配的效率。