在语义网(Semantic Web)研究中,本体(Ontology)占有极其重要的地位,作为一种有效表现概念层次结构和语义的模型,本体被广泛地应用到计算机科学的众多领域。本体构建包括两个核心问题:一是如何支持本体构建,二是如何确保本体正确构建。针对问题一,本文研究开发了本体构建系统OntoMAN,以人工的方式支持本体构建;探讨基于知识元数据驱动本体自动构建。对于问题二,本文提出了基于判别规则识别本体中不满足概念的最小不一致知识子集(MinimalUnsatisfiability-preserving Sub-TBoxes,MUPS)以确保本体正确构建。构建工具OntoMAN在实现基本的本体实体管理的基础之上,集成不满足概念分析机制,协助本体建模人员构建本体。将聚类算法与ODP(Open Directory Project)目录有机结合,给出了一种基于知识资源元数据的本体自动构建方法。根据元数据对文档进行聚类形成本体概念,将生成的概念分别映射到ODP中确定概念间的层次关系,生成初始本体;根据内聚性和相关性的变化进行自适应本体学习,实现本体更新和概念丰富。实验结果表明了方法的有效性。识别不满足概念C的最小不一致知识子集是修复该不满足概念的前提。考虑到不满足概念的传递性,将MUPS分为三类:完全依赖于C(MUPSf)、传递依赖于C(MUPSt)和不确定依赖于C(MUPSu)。分析上述分类结果,本体建模人员和领域专家可以明确下一步修复工作的方向和步骤。提出基于两个对等转换,即公理细化和本体约简,并应用三个判别规则,识别不满足概念C的MUPS的方法。实验结果表明,所得分类结果对于从修复角度评价本体质量以及指导修复工作都具有重要意义。