在线知识库对于知识的整理与有效利用具有重要意义。首先，在线知识库己经成为人们日常获取实体知识的重要渠道；其次，在线百科知识库为知识图谱、问答系统、机器翻译、实体搜索、推荐、自然语言处理等应用提供数据支持；此外，在线百科知识库对于信息发布与舆论引导具有潜在作用。传统的知识库更新依靠人工编辑，导致内容严重滞后的问题，使得在线百科知识库的自动更新成为研究热点。随着大数据时代的到来，特别是即时通讯与社交媒体迅速发展，产生了不可预计增长速度的大量短文本数据，这些大数据中蕴含着大量知识，成为更新知识库的重要知识来源。但是，由于碎片化文本内容少、噪声多、表述多样、语法不规范，给自动更新知识库实体内容带来很大挑战。

该项目聚焦基于短文本的在线知识库的自动更新关键技术，研究 1）面向实体的短文本可索引内容识别方法，2）实体-短文本相关性分析方法，3）面向实体的聚合短文本属性的自动抽取算法。从而实现基于海量、实时、多样的短文本进行知识库知识的自动更新。

该项目实施以来，共发表相关学术论文20余篇，其中SCI检索5篇，EI检索10篇，出版学术专著1部，申请发明专利3件，国际会议论文5篇。项目探究了知识库自动更新的可行性和有效性，分别从数据获取、算法模型、原型系统等方面给出解决方案，为丰富知识库的知识更新提供了思路，具有重要意义。