随着互联网的迅速普及,如何有效地组织、利用以及挖掘数据背后隐含的知识成为一种新的挑战。知识图谱描述了客观世界所存在的实体及语义关联等,并以图结构直观地呈现,为用户提供了结构化的知识,逐渐获得了学术界和工业界的普遍关注,因此如何构建一个知识图谱成为学者们研究的热点。同时多源异构的知识之间往往会存在重复、语义歧义多样、质量参差不齐等问题,要想构建一个高质量的知识图谱,知识融合是不可或缺的关键环节。实体对齐和实体链接作为知识融合任务的两个重要子任务,现有的方法仍存在明显不足,主要表现在现有的实体对齐方法无法完全利用属性三元组包含的信息,以及现有的实体链接方法忽视了知识图谱的结构信息导致链接准确度不高,因此值得进一步研究与改进。本文将知识图谱应用于影视领域,深入研究多层次影视知识图谱构建过程中所涉及的知识融合关键技术,重点研究了知识融合环节的两个重要子任务实体对齐和实体链接,本文主要研究内容如下:（1）针对现有实体对齐方法的不足,本文提出了一种实体对齐模型—Nov EA模型。首先本模型充分利用了知识图谱中的属性三元组和关系三元组,然后依据知识图谱的领域特征对属性进行优先级排序,最后从结构和属性两个角度,利用二元回归模型对实体之间的相似度进行度量,动态地调节关系和属性之间的权重,进一步提升了实体对齐的效果。实验证明,相较于其他同任务模型,本文提出的Nov EA模型的对齐准确度有显著的提升。（2）针对现有实体链接方法的不足,本文提出了一种基于多维粒度的知识图谱实体链接模型。该模型在传统实体链接方法的基础上,重点关注了知识图谱中候选实体的邻域信息。在本方法的排序模块中,从实体名称、实体描述和图谱实体节点邻域等多个维度将待链接实体与候选实体进行相似性计算,选出最匹配的候选实体。实验证明,本文提出的多维粒度实体链接模型准确度优于其他同任务模型。（3）将本文的知识融合方法应用于影视领域,构建了多层次影视知识图谱。首先基于影片实体、影人实体、机构实体三类不同层面的实体层次分别构建相应的单层次知识图谱。其次,由于不同实体层次之间存在关联性,本文将不同实体层次构建的单层次知识图谱进行了整合,构建了内容全面、结构立体的高质量多层次影视知识图谱。最后实现了碎片化影视知识的收集,同时构成了体系化的知识。