本体是共享概念模型的形式化规范的说明，目前已经被成功地应用到语义网、人工智能和知识工程等领域。本体是语义网的核心基础，然而本体创建和使用具有主观性和自治性，从而导致了本体异构现象的发生。本体匹配正是解决本体异构问题的最有效途径，可以为本体应用系统的交互建立语义互操作性。本体匹配存在不确定性，映射单元之间存在复杂的逻辑关系。概率图模型是解决不确定性推理和数据分析的有效工具，马尔科夫网模型能更好地支持映射单元的非因果的依赖关系。本文针对本体匹配的不确定性问题，提出一种基于马尔科夫网的本体匹配算法，主要内容包括：（1）提出一种基于马尔科夫网的本体匹配模型。根据多种传统本体匹配算法初始化相似度矩阵并发现锚点，使用相似度传播和结构一致性约束定义团结构及其势函数，基于相似度矩阵、锚点和团结构，构造马尔科夫网，最后通过执行近似推理得到最终的本体匹配结果。（2）提出一种改进的循环置信度传播算法用于本体匹配。用于本体匹配的马尔科夫网中含有环状结构，循环置信度传播算法不能保证算法的收敛和好的近似结果。针对本体匹配模型，改进后验概率表达式，优化信息传播序列，并使用切割子图方法对LBP算法进行改进，从而提高算法的执行效率并取得更好的本体匹配结果。（3）设计并实现基于马尔科夫网的本体匹配系统。分析系统的特点和总体框架，设计并实现系统的各个功能模块，使用测试集进行实验。本文采用OAEI提供的数据集分别对文中提出的解决方法进行实验，实验结果验证了本文提出方法的有效性，能够同时提高本体匹配的准确率和召回率，从而提高本体匹配的质量。