随着信息技术的普及和互联网技术的飞速发展,人类积累的数据量正在以指数的速度迅速增长。在数字图书馆领域,CADAL已经积累大量的数字图书,并提供了相应的图书阅读服务。显然,每一本图书都包含有大量的知识片段,如果能将这些资源进行分解、关联和再组织,形成按照一定目标、主题组织的内容,将会产生更大的价值。鉴于此,本论文在基于CADAL数字图书馆中的海量图书资源的基础上,从图书中构建概念-描述词知识网络,完成对图书知识的抽取和分解；然后在知识网络的基础上生成概念百科,完成对知识的关联和组织。论文的主要工作如下：(1)基于数字图书构建了概念-描述词知识网络。首先,本文给出了知识网络的原型。随后,提出了一种基于词嵌入(word embedding)匹配的算法用来解决目录的短语抽取问题,并训练分类器将目录短语分类成概念和描述词,从而构建得到概念-描述词知识网络。(2)本文提出基于Learning to Rank算法的百科词条目录生成算法,对从概念-描述词知识网络得到的候选描述词进行排序,使得词条目录反映知识阐述的前后顺序。(3)基于短语抽取、短语分类、描述词排序等算法实现了基于概念-描述词知识网络的概念百科生成系统。