近年来,知识图谱在越来越多的领域上得以应用,而知识图谱的构建与完善需要多源知识的融入。不同的知识源对知识的定义有着各自的标准,因此在多源知识融合过程中,存在知识近似冗余或者知识冲突的问题。为消除这种矛盾和歧义,本文设计并完成了基于主动学习的知识融合系统。知识融合需要解决模式层融合和数据层融合两个问题。模式层定义了知识图谱的顶层结构,是图谱的元数据。因为这部分数据规模可控且非常重要,因此使用人工的方式进行融合。数据层融合的核心是实体对齐,即发现两个实体描述的是否为同一客观事物。对此设计了基于属性的实体对齐算法以及基于属性和关系的实体对齐算法,这两种算法都使用主动学习的方式完成训练。本系统的图谱数据管理模块和图谱可视化模块是对系统数据的管理和展示,外来知识融合这一任务使用四个模块完成。数据预加载模块是对数据源的配置,把外来数据转换为与系统相同的数据存储结构。图谱模式层对齐模块是完成外来数据和系统数据的模式层的统一。图谱数据层对齐模块完成实体和关系的对齐以及数据的合并导入,此模块的实体对齐只使用了属性信息。图谱数据层去重模块是对图谱数据层对齐模块的完善,在实体对齐时可使用实体在图谱中的关系信息,同时解决数据导入时没有经过实体对齐就直接导入系统而造成知识冗余的问题。本系统采用Spring Cloud框架,主要功能模块使用Java实现,算法使用Python实现,通过RabbitMQ完成主动学习需要的数据通信。数据存储使用My SQL和HugeGraph。通过本系统能够从不同的数据源获取知识到系统知识图谱中,去除知识冗余,提高知识的覆盖程度。