在本体应用中,建立一个高质量本体并对其进行管理和维护是非常重要的。然而在实际应用中,很难构建出一个没有错误的本体。本体不一致的原因主要有对概念的理解和定义上的错误、一词多义、本体格式变化以及不同来源的本体进行合并等几个方面。在经典推理中,本体若含有逻辑冲突,可以推断出任何结论。因此,对含有逻辑冲突的本体进行推理是毫无意义的。为避免这种情况,必须要对本体的逻辑错误进行诊断并处理,这是确保本体质量、提高推理效率的重中之重。本文介绍了本体不一致调试的研究现状,并在分析了黑盒法和白盒法两种主要本体调试方法的基础上,重点对黑盒法优化算法中的选择函数算法进行了研究。本文的主要贡献包括:(1)将深度优先搜索策略应用于选择函数算法,提出了选择函数深度优先的搜索策略:在本体调试的扩张阶段,通过公理相关有针对地选择公理,并在选择公理的过程中对相关公理图进行深度优先的搜索,算法主要通过栈来实现。(2)提出缓存窗口机制来记录选择函数搜索到的公理数目。选择函数算法中,每添加一条新的公理便调用一次推理机,造成了时间和资源的浪费。针对此本文提出了缓存窗口优化机制:在扩张过程中设置一个缓存窗口,只有当新添加的公理数目达到缓存窗口的大小时,才调用一次推理机。(3)基于公理的构造算子中合取算子和析取算子的特性,以所提出的深度优先搜索策略作为框架,提出了启发式的选择函数算法。在描述逻辑(32)(43)(34)语言中,复杂概念主要是由合取算子(ó)和析取算子(ò)以及原子概念和原子角色组合而成的。合取算子和析取算子对概念不可满足性的影响程度不同,基于此本文提出了启发式的深度优先搜索算法,即在扩张过程中若碰到复合概念,优先对含有合取算子复合概念的公理进行扩张。通过实验对比分析得出,本文提出的选择函数深度优先搜索策略对于本体不一致调试是有效的;对于公理数较多的本体,缓存窗口机制能够提高选择函数算法的效率;在本体中的析取算子数目较多时,启发式的选择函数算法具有较高的效率。