本体映射旨在不同的本体间搭建语义桥梁,以期实现不同本体间的信息交流和知识共享。对于大规模本体,由于其概念数量庞大、相互之间关系复杂,要实现大本体之间的映射变得非常困难。本文将着重从大本体映射方面展开研究。首先,论文对语义Web的研究背景、SNAX系统的研发目的、当前本体映射的研究现状以及大本体划分工作进行了介绍。其次,根据大本体的结构及特点,应用向量空间模型(VSM)技术,提出了一种基于混合聚类的类层次本体自动聚类分块方法。该方法通过提取概念信息中的词干来构建向量空间,并运用语义扩散算法将概念表示在向量空间中,然后应用混合聚类算法实现概念的自动聚类。并根据块中概念间的相似度,提取出最后的映射。再次,鉴于目前大本体映射领域中尚缺少对本体自动分块的评价体系。本文结合自动聚类分块的特点,提出外标准和内标准,作为本系统分块质量评估参考。最后,根据上述研究,本文设计并实现了大本体分块映射系统BMC。并在此系统的基础上,利用现实领域中提供的测试数据集russia12和tourismAB对系统的映射效果进行了测试,同时用POP法和Rand法对分块结果进行评价,利用信息检索领域的查全率、查准率和correctness映射结果进行评价,并对实验数据进行了统计分析。从实验结果来看,此方法具有良好的效果。