关联数据范式为基于Web的数据、信息及知识发现带来了新的模式，其中RDF链接扮演着重要的角色。然而与关联开放数据(LinkedOpenData，LOD)资源的飞速发展极不协调的是，LOD资源之间的关联程度有待进一步的揭示和提高。另一方面，科学数据和科技文献作为知识的不同载体，具有切实的关联需求。在该背景下，LOD资源之间的关联发现具有很大的意义。然而，由于关联发现是一个极其复杂的过程，因此急需一种关联发现框架来辅助完成关联的自动发现。　　 关联数据的发布和互联已成为近年来关联数据领域的突出问题，已经有很多成熟的关联发现框架推出，如SILK、LIMES、RDF-AI、LDIF等。然而，目前这些框架都忽略了关联发现是一个面向整个关联网络的、涵盖多种任务的、多次迭代的、无法一步到位的过程，因此对整个关联发现的过程缺乏宏观的支持，缺乏对整个动态过程的统一的、系统化的描述，以及缺乏灵活的流水线机制。另外，在规范语言、比对算法模型、鉴别机制、中文信息处理等方面，这些框架也存在着待改进的空间。　　 继现状综述之后，本文在第3章首先分析了关联发现的目标和任务，结合各项任务中RDF操作的共性特点，创造性地提出了RDF分子原子的概念，并采用RDF反应的概念实现对RDF变换操作的形式化描述，继而将关联发现的整体过程解释成RDF反应堆中RDF反应链的执行过程。以上这些构成了RDF反应论的基本内容。紧接着，本文基于RDF反应论，提出关联发现框架ARIF(AnotherResourceInterlinkingFramework)，并在第4章针对ARIF框架的四个关键问题展开研究:RDF反应的规范化表达问题、整个链式反应过程中需要考虑的溯源机制、基于LOD参考库的RDF分子鉴别机制以及基于投票决策的RDF分子比对模型。　　 在第5章，本文重点介绍ARIF框架的软件体系，指出ARIF软件体系由RDF反应链配置工具、RDF反应链自动规划工具、关联发现引擎ARIF-Engine、反应过程监控与可视化工具、LOD参考库包装器、关联网络发布工具、可视化分析工具等构成。在对ARIF-Engine的三层软件架构，即接口层、任务层和算法层做了简单介绍之后，本文针对ARIF-Engine设计过程中的两个关键实现技术做了详细介绍，包括RDF反应规范语言的实现与解析以及RDF反应过程的封装与执行。　　 最后，在第6章，本文通过科学数据与科技文献的关联发现实例，验证了RDF分子原子说、RDF反应等理论的有效性，验证了基于RDF反应堆的ARIF-Engine的实用性。实验表明，目前给出的五类RDF反应已经足够满足关联发现的需求。ARIF模型中的RDF反应规范语言、LOD参考库以及溯源机制达到了预期的效果。另外，通过两组实验的设计，进而验证了ARIF-Engine关联发现结果的准确性，并验证了ARIF-Engine针对多重优先级比对规则的执行性能较其他的关联发现框架具有一定的优势。