知识图谱是大规模的语义网络,近年来受到了学术界和业界的广泛关注。随着越来越多的知识图谱被构建出来,如何将异构知识图谱中的知识进行自动化融合,从而提升对领域知识的覆盖度,以达到更好的知识图谱应用效果,成为了一项热门的研究课题。除了早年的语义网研究中关注的本体对齐外,异构知识图谱融合的两个子任务为:实体对齐和属性对齐,分别对应于知识图谱中的实体层和模式层的融合。然而,以往的研究工作主要集中于实体对齐任务上,对属性对齐任务则关注较少,且往往忽略了这两个子任务之间的关联性。但事实上,不仅实体的对齐可以促进属性的对齐,属性的对齐反之也可以帮助实体做更好的对齐。基于以上调研与分析,本文研究并提出了一个实体对齐与属性对齐交互进行、互相促进的知识图谱融合算法,并基于该算法设计并实现了一个支持实体对齐和属性对齐之间交互促进的知识图谱融合原型系统。本文具体内容包括:(1)在实体对齐模块,设计了一个综合利用属性三元组及关系三元组的无监督实体对齐算法。该算法迭代式地执行实体对齐与属性对齐两个步骤,并与关系嵌入模型结合,在实体对齐准确度上比现有方法提高了约5%。(2)在属性对齐模块,提出了基于属性的关联实体去计算属性间相似度的算法,相似度高于一定阈值的属性则视为相同属性,可进行融合,此举大大降低了融合后的图谱的属性冗余度。(3)实现了一个支持实体对齐和属性对齐之间交互促进的知识图谱融合系统。在统一的概念层下,该系统可将实体对齐与属性对齐相互结合,互相促进,真正实现两个图谱的最终融合。我们在真实数据集上进行的实验结果表明,本文提出的实体对齐算法与以往的主流对齐算法比较,在准确率上有了很大的提升。此外,本文提出的基于关联实体计算相似度的属性对齐算法在准确率和召回率上都优于传统方法。