自2012年5月起,随着搜索引擎公司谷歌首次提出知识图谱(Knowledge Graph),一时引起学术界与工业界广泛关注,很多研究者将知识图谱视为未来搜索引擎。国内搜索引擎公司百度与搜狗也纷纷构建出自己的知识图谱,知识图谱的研究已经从理论走向实际应用。知识图谱构建是一个动态过程,需要及时加入新知识和更新动态知识,对已有知识图谱进行完善与补充。新知识获取方法往往采用信息抽取技术从不同数据来源进行抽取,然而抽取出新知识的准确性无法得到保证,因此需要对新的知识进行验证。通过知识验证选取可信度高的新知识作为候选集来构建出高质量的知识图谱。本文主要研究面向知识图谱构建的知识验证方法,共分为五个章节进行展开分析。第一章,主要对面向知识图谱构建的知识验证方法的国内外研究现状进行分析,掌握当前相关研究的进展。第二章,主要研究知识图谱构建、实体解析、以及知识验证模型的相关理论与方法,这是实现面向知识图谱构建的知识验证方法研究的基本理论依据。第三章,主要研究多数据源的实体解析技术,提出实体解析过程中实体重要属性计算方法,采用概率软逻辑模型实现实体解析技术。通过实体关系、实体属性、本体约束三方面构造概率软逻辑模型的带权重一阶逻辑规则,描述实体解析的匹配过程;概率软逻辑模型的推理机制实现了实体解析的决策过程。第四章,本章提出了面向知识图谱构建的知识验证模型,并对其中的核心部分展开讨论。通过对信息抽取系统抽取候选知识集的可信度计算、以及基于实体解析技术与本体约束技术生成概率软逻辑模型的带有权重逻辑规则来逐步达到知识验证的目的。第五章,本文研究内容进行总结以及未来工作的展望。知识图谱构建的理论价值和应用价值是很巨大的,本文从面向知识图谱构建的角度对知识验证进行研究与分析,取得较好的实验结果,研究成果对知识图谱构建具有很较强的理论和实际意义。