随着谷歌公司于2012年提出“知识图谱”的概念后,越来越多的人投入到了知识图谱的研究与应用当中。如今,人们都是依靠自然语言处理和机器学习等领域的技术自动化地构建知识图谱。相较于手工构建来说,自动化技术虽然能够节省大量的人力和时间,但是也会引入错误的知识。在知识图谱的构建过程中,如果对这些错误的知识放任不管的话,那么就会存在潜在的风险,尤其是对领域知识图谱来说。因此,对知识图谱中的知识进行可信性评估具有必要性。目前,系统地对知识图谱中知识可信度评价或测度的研究不多,但“可信度”的概念在知识图谱的相关任务中已经得到了一定程度的应用。在知识图谱补全任务中,会使用置信度来评估三元组的准确性。在知识图谱错误检测任务中,会检测三元组是否正确。为了能够对知识图谱中的知识进行可信性评估,本文提出了一种面向领域知识图谱的知识可信性评估方案,并基于该方案设计并实现了知识可信性评估工具。本文的评估方案从关系、属性值以及问题求解三个维度出发,分别对知识图谱中实体与实体的关系、实体的属性值以及问题求解进行可信性评估。在关系可信性评估中,首先是利用了知识表示学习算法将知识图谱中的实体和关系向量化,再利用能量函数来量化关系的可信程度,最后利用sigmoid函数算出关系可信度。在属性值可信性评估中,根据人工构建的属性标准集,对知识图谱中的实体数据属性值进行评估。数值类型的属性值直接进行对比得到可信度,而字符串类型的属性值使用词林相似度和编辑距离结合的方式计算得到属性值可信度。在问题求解可信性评估中,先是构建一个基于领域知识图谱的问答系统,然后人工构建问答标准集,最后利用问答系统和问答标准集来对知识图谱中的知识进行问题求解可信性的评估。实验利用构建的军事领域知识图谱来验证上述方法的有效性。实验结果表明,关系可信性评估方法、属性值可信性评估方法以及问题求解可信性评估方法均有较高的准确率、精确率以及召回率,证明本文三个维度的可信性评估方法能够有效地区分可信与不可信的对象。