WWW是一个非常大的知识库,在其上进行信息的查询回答和自动推理很困难.为此,W3C组织提出了下一代Web-语义互联网(Semantic Web),其目的是让不同的计算机代理能在"理解"的基础上更好的使用Web上信息资源.我们通过引入W3C提出的资源描述框架RDF(Resource Description Framework)和本体(Ontology)及其相关扩展,将互联网的标记信息按照本体集(Ontologies)的规范加以语义标注,不仅能推导出WWW未显式表示的隐含知识,而且能较好的支持互联网信息的推理查询.在语义互联网中,知识推理是不必可少的部分.要实现知识的推理查询就必然涉及到推理引擎技术的研究.现有的推理引擎大部分都是类Prolog的一阶谓词推理引擎.该文将对现有的Prolog实现技术作一简单的综述,并介绍一些常用的方法-如寄存器分配、子句索引等-对其进行后继的优化工作,从而提高推理引擎的效率.然后详细描述我们实现基于WAM(Warrens Abstract Machine)C-Prolog推理引擎的全过程,并对其中的索引机制做了一定的修正.最后,我们提出了一种通过分析规则体中的数据相关性,采用代码跳转的技术,减少谓词合一的次数,从而大大提高推理效率的方法.该文最后描述了一个基于知识库的语义互联网推理系统的系统架构,同时给出了一个智能铁路查询系统的验证实例.在该系统中,我们构建了铁路领域(railway domain)的本体集,所有来自互联网的信息按照所定义的本体集被映射到实例上,形成了语义化的知识库.在此基础上,客户端收集来自用户的请示,并将其传送至服务器端,由服务器将其提交给一阶逻辑推理引擎进行处理.最后推理结果由客户端以文本和图形两种方式显示给用户.以此验证了语义互联网的一种应用模式.