目前互联网中存在着许多百科数据,一般以词条网页的形式展示给用户,主要包含词条简介文本与词条基本信息表格等模块。词条简介文本即以当前词条作为对象的描述文本,而词条基本信息表格则为表格形式的属性知识模块。基本信息表格格式工整,但存在一些瑕疵,如表格内属性值未进行归一,属性名表达多样等。简介文本虽然没有格式化信息,但它包含着丰富的内容,可以供我们挖掘。我们希望结合两者优点,以词条基本信息表格作为基础数据,同时从简介文本中挖掘出更多的知识三元组,丰富知识库。本文主要内容分为以下几个方面:(1)研究基于混合策略的属性识别。我们以人物属性集合作为实验对象,采用远程监督的方法自动标注数据,构建人物属性识别系统。根据属性的不同特性,分别采用基于规则的属性识别与基于模型的属性识别方法。在基于模型的属性识别方法中,将当前任务转化为序列标注任务,以当前比较主流的几种序列标注模型实验,对比并采用性能最优的模型构建系统。实验结果表明,本文基于混合策略的属性识别工作具有较好的识别效果。(2)研究基于Bootstrapping与联合模型的别名识别。与其他常规属性不同,别名是一种特别的实体属性,我们对其进行单独识别。本文分别对人物别名以及旅游景点别名进行挖掘。人物别名挖掘利用远程监督构建数据集,以准确率为目标,采用模式迭代的方式,挖掘出候选别名集合,并构建分类器判别挖掘结果的正确性。而在旅游场景下,采用人工标注的方式构建数据,着重对景点别名深入研究。旅游景点别名挖掘主要以F1值作为目标,采用流水线式模型与联合模型进行实验。经过多次实验对比,我们发现联合模型相较于流水线式模型更加适合该任务。(3)研究基于百科数据的人物知识图谱构建。以人物领域为例,描述如何构建出人物知识图谱。通过爬虫,我们获取了多个百科网站源的网页信息。将这些数据进行整合、清洗以及属性归一化,并挖掘出类型为人物的词条实体。在此基础上,定义人物的基本属性,并将这些实体数据编码,存储于知识库中。此外,结合本文的属性识别工作,对当前知识库进行属性补全与纠错工作,使知识库中各人物属性的覆盖率均得到了一些提高。最终,我们构建出知识图谱展示系统,可供用户查阅信息等。综上所述,本文利用目前网上可获取的百科数据作为基础知识库。在此之上对知识进行梳理清洗,并从简介文本中挖掘属性。通过采用不同的方法以及不同的模型,选取最适合不同子任务的方法模型,对知识库进行补全和纠错,不断丰富知识。最终以人物领域为例,构建出基于该知识库人物知识图谱。