开放式信息抽取系统是从web等非结构化文本中挖掘知识的主要途径,但是其抽取结果往往存在大量噪声,对知识发现以及知识库构建产生较大影响。针对该问题,本文提出一种基于概率软逻辑模型的知识推理验证方法。该方法首先使用一阶逻辑语言对知识抽取结果进行转化和推理,并且在推理过程中引入规则进行语义约束。此外,为解决目前推理规则过于依赖于人工定制的问题,本文建立一种推理规则自动学习机制,解除传统知识推理对于人工制定规则的依赖,实现对知识的全面自动推理和验证。实验结果表明本文提出的推理模型较对比模型具有更优的算法性能,提高了知识推理效率,对验证知识的语义规范性和正确性有积极作用。同时,我们设计了三种策略来评价学习得到的规则质量:第一种策略是与专家系统得出的规则作对比;第二种策略是将得到的规则放入推理模型进行验证;为了证明规则学习模型得到的规则具有普遍适用性,我们设计第三种策略将规则学习方法放在两个不同的数据集上进行学习,并且将得到的规则引入到Trans系列模型中试图以此方式来提高其在知识验证方面的效果,并根据最后的推理效果作为评价规则的普遍适用性的重要依据。