知识图谱使互联网上海量杂乱的信息得以有效的组织和利用。在线百科中蕴含的大量知识以及结构化与半结构化内容使其成为知识图谱构建任务最常用的知识来源之一。然而现有基于在线百科构建的知识图谱大多仅从百科结构化和半结构化的内容中获取知识,忽视了非结构化的百科文章中蕴含的大量知识。从非结构化文本中抽取指定实体的预定义属性值是槽填充任务的研究内容。应用于知识获取的槽填充现有工作目前以关系分类方法为主,缺乏对非实体类型槽值的填充能力。并且现有相关工作所用数据集以新闻文章较为常见,互联网上尚未出现基于在线百科文章构建的槽填充数据集。为解决上述问题,本文对利用在线百科构建知识图谱任务中的槽填充技术进行了研究,具体来说,主要包括以下三点内容:1.研究使用在线百科文章构建槽填充数据集的方法,并依此法构建了一个人物类实体槽填充数据集。该方法包括结合用户需求的模式层设计方法和一个用于标注数据的页面工具。2.研究适用于在线百科数据集的槽填充方法。本文提出基于序列标注的槽值识别模型,将整个文档而非单个句子作为输入,根据单字与主语的相对位置计算注意力,使用句子位置计算标签权重,从而适应在线百科文章的特点。3.对方法效果进行评估。本文设计了多组对比实验验证本文方法的有效性,对本文方法在非实体类型槽值上的填充能力和槽值边界的判定能力做了评估分析。总体来说本文提出了一个适用于从在线百科文章中获取知识的槽填充算法。其中基于序列标注的模型使算法能够抽取非实体类型槽值,主语位置注意力、句子位置权重和文档级别的评分保证了算法在百科数据集上的效果,这是本文的主要创新点。此外,本文提出结合用户需求的数据集模式层设计方法也区别于现有方法,提高了模式层的实用性,本文构建的槽填充数据集填补了相关工作缺少基于在线百科文章数据集的空白。