CADAL数字图书馆已扫描数字化图书260多万册,为人们获取知识提供了丰富的来源。然而,图书虽然被数字化了,可以方便在电脑前阅读,但其仍然采用了传统纸质图书的阅读方式,也就是按图书目录来阅读每本图书。这并没有极大地发挥数字图书可分解、可快速定位的优点。鉴于此,我们希望能将数字图书中的知识单元抽取出来,并将这些知识单元有机组织,使用户更容易获取知识。本文从目录的结构化学习角度出发,提出了一种将结构化碎片整合为复杂层次结构的方法,并通过时序关系分析与知识单元抽取对层次结构进行拓展,最后将其应用于图书知识服务系统中。本文的主要工作包括1)研究了结构化学习以及知识单元抽取等相关技术的基本方法。2)基于近邻传播模型,提出了一种从大量结构化碎片中学习复杂层次结构的方法,通过实验验证了该方法在多个维度都优于基本的近邻传播模型,最后将该方法应用于从大量图书目录构建知识层次网络中。3)通过对于知识单元的提取以及用户学习拓扑结构的分析,对于原有知识层次网络进行了拓展。4)将学习得到的层次模型应用于图书知识服务系统中,并完成了知识服务系统的知识库构建,数据存储,基础服务,知识服务以及用户管理等功能。5)最后实现并测试了整个系统,并将其上线运行。