随着网络技术的普及和社会信息化程度的提高,各个应用领域所积累的信息资源在网络上飞速增长,网络服务已逐渐成为了人类获取知识的必要渠道,百科知识库正是其中最为广泛应用的知识服务平台。现如今依据不同方法构建的知识库不断涌现,其中基于互联网多用户协作的维基百科和百度百科是最具代表性的语义知识库。但是不同语义知识库之间存在相互独立性,而且不同知识库的知识分类体系不同,从而造成不同语义知识库对相同知识的描述不一致;与此同时,由于不同知识库对知识描述的偏重点不同,使单一知识库存在信息片面的问题。　　针对语义知识库词条信息不一致问题,本文提出了“类别-词条-属性”融合框架,并对框架的类别、词条、属性对象进行形式化定义;通过知识融合的方法构建以词条为主要描述对象的多源知识库系统。本文将维基百科与百度百科进行融合处理,通过语义相似度计算的方法对不同知识源的冲突语义信息进行处理,很大程度上解决了两个知识库的知识信息不一致问题。　　针对语义知识库词条属性不全面问题,本文提出了属性传播的属性抽取原理,并建立属性传播模型,同时提出了基于属性传播的属性抽取算法提取知识库的词条属性,从而来完善知识库词条的描述信息。基于词条属性抽取的结果提取知识库的类别属性,为了完善类别属性对类别的描述,提出了基于 K-means的属性关联词抽取算法,并且通过语义相似度计算消除K-means聚类出现的关联偏移问题。　　实验结果表明,本文提出的基于属性传播的词条属性抽取的算法具有较高的准确率,有效地完善了词条属性信息;以及基于 K-means聚类的类别属性关联词抽取算法有效地完善了知识库的类别信息描述。