随着互联网的发展和机器学习技术的进步,知识库正越来息抽取,自然语言处理和语义网等研究领域。因此,知识库的自动化构建成为了这些互联网相关领域的一个研究热点。在过去几年的研究中,已经有一些基于网络百科自动化构建知识库的成果,然而这些成果主要基于英文语料,目前尚无一个可用的内容丰富的大规模中文知识库。　　本文介绍了如何利用机器学习技术自动地从互动百科中抽取实体属性,并通过实体链接生成实体间的关系,从而得到一个内容丰富的开放领域的大规模中文数据库的过程。首先,我们从互动百科中的infobox这样的半结构化数据中抽取＜属性,属性值＞对。然后我们将这些数据作为我们的训练语料,利用条件随机场模型训练得到属性抽取器,从互动百科的正文中抽取我们需要的＜属性,属性值＞对。这样我们得到了大量的形式为＜主体,属性,属性值＞的三元组。最后我们利用向量空间模型和Google相似性距离对可能是实体的属性值进行实体链接,从而明确实体间的关系,得到满足RDF标准的(主体(subject),谓词(predicate),客体(object)＞-＜S,P,O＞三元组。本研究主要包括三个方面的工作。第一,从互动百科的半结构化内容-infobox等结构中进行三元组抽取。第二,我们设计了一个自学习框架,将之前的结果作为训练语料,从互动百科的非结构化文本-页面正文中进行三元组抽取。第三,对可能是实体的属性值做实体链接。我们的方法在实现上较为简洁,运行效率高并且具有较高的准确率,非结构化抽取和实体链接方法有很强的可扩展性。我们的实验表明,从网络百科中使用极少的人工干预,自动化地抽取大量＜S,P,O＞三元组来构建面向开放领域的大型中文知识库是可行的。