随着信息技术的快速发展,知识图谱的出现受到了广泛的关注,被应用于智能搜索、个性化推荐、自动问答等各类系统。目前,多数通用知识图谱主要依赖在线百科infobox等高质量数据进行构建,存在规模不足的问题,制约了信息技术的发展。考虑到互联网中的HTML表格数据蕴含着丰富的知识,且半结构化的HTML表格相比非结构化文本具有更高的数据质量,本文将研究基于互联网HTML表格的知识库扩充技术并构建相关系统。然而,如何正确、有效地解析互联网中的HTML表格数据,从中抽取三元组知识并用于知识库扩充,是一个极具挑战的问题。首先,互联网资源可信度不高,需要一种可信HTML表格数据的获取方法。其次,HTML表格的类型各有不同,需要识别相应的类型才能正确地进行知识抽取。最后,不同表格中的实体的表达也会与知识库中的不太一致,用于扩充知识库需要考虑表格实体与知识库匹配的问题。因此,本文主要研究了基于HTML表格扩充知识库的方法,并进行了系统实现。本文的主要工作如下:(1)设计并实现了一个基于HTML表格的知识库扩充系统,该系统可以用于扩充CN-DBpeida,实验结果表明,该系统能够为CN-DBpedia扩充千万级三元组。(2)设计了一个HTML表格数据采集框架。针对表格类型多样的问题,本文使用表格特征及样本集训练了一个表格识别模型来获取含有知识的HTML表格。针对互联网资源可信度低的问题,本文使用网页特征及样本集训练了一个可信网页识别模型来获取可信网页。(3)提出了一个基于互联网HTML表格的三元组抽取和融合系统框架,能够一站式地解析并识别不同类型的HTML表格,抽取三元组并与知识库融合。