语义Web是当前Web的延伸,它赋予Web资源机器可理解的语义,从而使计算机能够更好地与人协同工作。为了让机器能够理解Web资源并实现对资源的推理,如何表示和推理领域知识成为语义Web的重要研究课题之一。作为语义Web知识表示模型的本体以及知识推理基础的描述逻辑在语义Web中发挥着重要的作用,引起了人们的广泛关注并已被应用于许多领域的知识表示和推理中。本体和描述逻辑是语义Web知识表示和推理的关键技术,语义Web的实现很大程度上依赖于本体和描述逻辑知识库的构建与存储。从构建的角度来看,当前许多应用领域包含有大量有价值的信息资源,为了使语义Web应用程序能够访问和处理领域信息并实现已有系统中信息的重用和共享,如何从已有的领域数据资源中抽取本体和描述逻辑知识库已经成为语义Web领域中的一个研究热点。从存储的角度来看,随着语义Web的发展,应用领域出现了越来越多规模庞大的本体和描述逻辑知识库,如何有效地存储进而使用这些知识库已变得越来越重要。数据库是当今许多应用领域存储和管理数据资源的主要形式,因此利用数据库技术支持描述逻辑与本体知识库的抽取及其存储也就成为语义Web领域一个重要的研究内容。应当指出的是,在现实世界应用中存在着大量的不精确和不确定信息,模糊数据库的提出与深入研究已经为不精确和不确定数据的表示和处理提供了理论上的解决方案。另一方面,为了表示与推理语义Web应用中广泛存在的模糊知识、使语义Web具有处理模糊知识的能力,当前已有大量的研究工作致力于描述逻辑和本体的模糊扩展。随着语义Web模糊知识表示与推理问题的提出以及相关研究工作的不断深化,模糊描述逻辑和模糊本体知识库的抽取和存储已经成为语义Web实现模糊知识表示与推理亟待解决的问题。模糊数据库是现实世界中模糊信息表示与处理的主要形式,模糊数据库技术经过近三十年的研究与发展在模糊数据表示与处理方面已经取得了丰硕的成果,这就为利用模糊数据库实现模糊描述逻辑和模糊本体知识库的抽取及存储提供了理论基础。然而,目前有关基于模糊数据库的模糊描述逻辑和模糊本体知识库抽取与存储的研究还很少。为此,本文系统地研究了模糊数据库支持的模糊描述逻辑与本体知识库的抽取和存储问题,主要包括两方面内容：(i)选取两种模糊概念数据模型(模糊ER模型和模糊UML数据模型)、两种模糊逻辑数据库模型(模糊关系数据库模型和模糊面向对象数据库模型)和模糊XML数据模型作为典型模糊数据库模型,研究如何以这五种模糊数据库模型为数据源来抽取模糊描述逻辑知识库和模糊本体,并利用抽取后的知识表示形式实现对模糊数据库模型的推理；(ii)研究如何将语义Web中存在的大量模糊描述逻辑知识库和模糊本体存储在模糊关系数据库中。具体的创新性研究成果包括以下几个方面：(1)提出了五种典型模糊数据库模型各自的形式化定义以及形式化语义解释方法,为模糊数据库模型与模糊描述逻辑和本体之间形式化对应关系的建立奠定了理论基础。首先,在已有研究工作的基础之上,进一步研究了五种典型模糊数据库模型,详细讨论了每种模型的相关概念和基本结构；在此基础上,提出了每种模糊数据库模型的形式化表示形式以及语义解释方法,并给出了相应的实例说明。(2)针对五种典型模糊数据库模型各自的特点,提出了适合表示每种模糊数据库模型的相应模糊描述逻辑,并给出模糊本体的一种完整形式化定义,为基于模糊数据库模型的模糊描述逻辑与本体知识库的抽取提供了知识表示所需的模型支持。通过深入分析五种典型模糊数据库模型各自的特点,分别提出了用于表示两种模糊概念数据模型(模糊ER模型和模糊UML数据模型)的模糊描述逻辑FDLR、用于表示两种模糊逻辑数据库模型(模糊关系数据库模型和模糊面向对象数据库模型)的模糊描述逻辑f-ALCIQ(D)以及用于表示模糊XML数据模型的f-ALCQwf-reg,在阐述了引入上述三种模糊描述逻辑来分别表示五种典型模糊数据库模型的原因之后,给出了每种模糊描述逻辑相应的语法、语义、知识库以及推理算法。此外,为了形式化表示由五种典型模糊数据库模型抽取得到的模糊本体,本文还提出了模糊本体一种较为完整的形式化定义。(3)提出了从五种典型模糊数据库模型抽取模糊描述逻辑知识库各自的形式化方法,设计实现了相应的抽取工具；并基于已抽取的模糊描述逻辑知识库,利用模糊描述逻辑有效的推理机制实现了对五种典型模糊数据库模型的推理。首先,基于上述五种典型模糊数据库模型的形式化定义以及相应的模糊描述逻辑,提出了从五种模糊数据库模型抽取模糊描述逻辑知识库各自的形式化方法,并给出每种方法的正确性证明和相应的例子说明；之后,基于所提出的抽取方法,实现了每种模糊数据库模型到相应模糊描述逻辑知识库的自动抽取工具；最后,基于已抽取的模糊描述逻辑知识库,利用模糊描述逻辑有效的推理机制,通过将模糊数据库模型的推理问题转化为模糊描述逻辑知识库的推理问题实现了对模糊数据库模型的推理。(4)提出了从五种典型模糊数据库模型抽取模糊本体各自的形式化方法,用以实现基于模糊数据库模型的模糊本体的自动构建。首先,基于上述五种模糊数据库模型和模糊本体的形式化定义,提出了从每种模糊数据库模型抽取模糊本体的形式化方法；之后,给出了每种方法的正确性证明,并结合实例说明了抽取方法的具体应用。考虑到模糊本体和模糊描述逻辑知识库在抽取工具实现思路和技术方法等方面具有相似性,本文这里没有再设计实现模糊本体的抽取工具。此外,由于模糊本体是基于模糊描述逻辑实现其推理任务,因此本文这里不再讨论基于模糊本体的模糊数据库模型的推理问题。(5)提出了模糊知识库(包括模糊OWL本体和模糊描述逻辑f-SHOIN(D)及其子语言知识库)在模糊关系数据库中的存储方法,设计了相应的存储工具,用以实现模糊知识库的持久化。首先,考虑到模糊关系数据库在实现及模糊数据处理方面的优势,在分析了现有经典知识库存储方法的基础上,提出了利用模糊关系数据库存储模糊知识库的策略方法；之后,对模糊知识库中的不同构造子进行了分类,提出基于模糊关系数据库的模糊知识库的总体存储框架,并通过一个具体例子给出了模糊知识库结构及实例在模糊关系数据库中的存储过程,给出了存储方法的正确性证明；最后,基于所提出的存储方法,设计实现了一个简单的存储工具。