Internet上分布着海量的信息，但由于这些信息内容没有更好地形式化表示，目前主要是提供给人使用的，计算机难以处理。为了将网上信息处理和利用尽可能地交给计算机自动完成，人们必须让计算机能够“理解”这些信息，并在“理解”的前提下更好地处理和利用这些信息。所以，WWW的创始人TimBerners-Lee在2001年提出了在现有Web的基础上建设下一代Web的蓝图——语义Web。XML为语义Web提供了通用的表示语法，是Web向语义化方向发展的种子技术；RDF提供了语义上描述知识的数据模型和一组基本的描述原语，是语义化Web在语义上的技术基础。在传统的Web向语义化Web发展的过程中，KE技术和计算机软件工程中成熟的方法，特别是Ontology技术和OO技术，起到了关键的作用。 　　随着语义Web的发展，基于RDF描述的知识日益增多，形成了各种各样的数字图书馆、知识库分布在网络上，如何把这些现有的知识和正在产生的知识有机地融合在一起，实现面向语义Web的知识融合就是本论文研究的课题。 　　本论文在研究RDF的数据模型和RDFS语法规范的基础上，基于Jena系统分析研究面向语义Web的知识融合的并算法、交算法和差算法，并基于Jena系统对知识融合的三个算法进行实现和验证。论文首先对语义Web的体系结构和关键技术进行分析和介绍，内容包括语义Web分层体系结构、XML及XMLS、RDF与RDFS、Ontology及本体语言栈。然后分析研究了知识融合的三个算法，内容包括为什么分析这个算法，与算法相关的Java集合框架，与算法相关的定义，算法的存储结构，两个RDF文件之间的并算法、交算法、差算法。最后对Jena系统体系结构、Jena系统的核心UML、基于Jena系统的三元组解析进行分析，基于Jena验证实现知识融合。