实体类型是知识图谱的重要组成部分,在知识图谱的应用中起到了重要的作用,但知识图谱中普遍存在实体类型缺失与不完全等质量问题。为了解决这个问题,通常采用机器学习分类方法实现实体的类型预测,该类方法通过构造实体的特征生成数据集,训练以实体类型作为标签的分类器实现实体类型预测。目前基于分类的实体类型预测方法存在着一些局限性:分类器常为简单的单标签分类器、实体特征构造方法通用性差、输入特征为单一维度特征、未考虑知识图谱中类型的层次结构。针对这些不足,本文设计了一个基于多标签分类的知识图谱实体类型预测方法,能抽取实体的文本特征和链接特征,合理地利用这些特征进行分类,并考虑实体类型的层次结构。本文设计的方法主要包含三个阶段:在数据处理阶段,依照知识图谱文本信息和链接信息的不同,将其分为文本丰富型知识图谱和链接丰富型知识图谱,对于不同类型知识图谱采用不同的方法构造实体特征;在模型训练阶段,针对不同类型知识图谱特点设计了3个多标签分类模型,分别为:多标签文本分类模型TTPE、基于多特征的多标签分类模型MFTPE和层次多标签分类模型HTPE;在模型预测阶段,通过训练好的模型预测缺失和不完全的实体类型,并生成知识图谱的类型知识,从而补全缺失的类型信息。本文在单类型知识图谱SWCC、多类型知识图谱LinkedMDB、层次类型知识图谱AIFB和DBpedia上对方法的有效性进行了验证。此外,基于上述方法,本文实现了一个基于多标签分类的知识图谱实体类型预测系统。