知识发现是人类文明进步永恒不变的话题,随着大数据时代的发展,互联网各类平台存在着各类的知识资源,通过对这些多源异构的知识资源采取数据挖掘、知识融合、规则推理、神经网络等相关技术手段,对于发现知识有着极大的促进作用。随着web2.0向关联数据形成的web3.0时代迈进,互联网上的各类知识资源都将朝着关联数据、RDF三元组形式转换,知识发现活动也会越来越多地基于其“关联”的知识资源环境,因此知识发现必然面临着新的机会和挑战。同时由于网络知识资源的复杂性,知识往往兼具精确性与模糊性,本体作为一种形式化的,对于概念关系体系的明确而又详细的说明,可以有效的表述知识,在知识发现过程中为用户提供支持,然而当前相关的本体描述语言以及本体编辑工具都无法直接实现用于描述和定义模糊本体,因此本文从知识模糊性角度出发,考虑知识精确性与模糊性的并存,构建包含精确知识和模糊知识的模糊本体,探讨在本体环境下知识发现的技术和实现过程,有助于促进web3.0时代下知识发现的发展,为相关研究提供思路。本研究首先介绍了知识发现的国内外研究现状,探讨了本文的研究内容,确认本文的研究方法与创新点。然后对相关概念与理论基础展开研究,详细介绍了当前模糊知识的概念、表示方法以及相关运算等内容,论述了基于本体的知识融合与推理的相关理论,描述了知识发现中知识的类型以及其过程框架。随后基于模糊知识相关理论以及OWL本体描述语言提出了一个新的模糊本体表示模型,研究了基于此模型的模糊本体构建、融合以及推理等相关技术,最终提出了基于模糊本体融合与推理的知识发现模型。之后设计实验验证模型的正确性与有效性,通过爬取不同网络知识资源的药物相互作用药代学方面相关数据,构建本文提出的模糊本体,并对来自不同知识资源的模糊本体进行融合处理,实现全局模糊本体的构建,然后根据药物相似度机制以及药代学作用机制构建推理规则,完成药物相互作用知识发现。研究发现,本文基于OWL本体描述语言提出的模糊本体模型可以同时描述精确知识和模糊知识,可以直接完成基于本体的精确推理以及模糊推理,无需对语言进行扩展转化,可以同时完成精确知识发现以及模糊知识发现,在本文实验中结合了药物相似度模糊规则以及药代学机制精确规则,对药物相互作用知识进行发现,相较于以往基于规则推理以及药代学作用机制的药物相互作用发现研究而言,本文实验结果准确率有所降低但召回率较大幅度提高,而基于药代学的药物相互作用知识发现具有局限性,因为实际中药物相互作用以及它们的潜在机制涉及了复杂的药理学过程,除此之外,由于数据库没有保持最新的更新以及可能有更多的药物相互作用还未发现,无法证明推理得知的不在检验样本中的相互作用药物对是真的不存在药物相互作用,所以召回率实验指标在本实验中显得更为重要。由此研究者可以有针对性目的性的进行临床实验发现两种药物是否具有药物相互作用,有助于节省资源避免盲目实验,同时也验证了本文基于模糊本体融合与推理的知识发现模型的正确性与有效性,对于web3.0时代下的知识发现研究具有借鉴意义。