如何将开放世界语言，例如，网络本体语言，与封闭世界规则语言更好地结合，是语义网领域内一个重要的研究课题。稳定语义基础上的混合MKNF知识库是一种成熟的结合方法。它将本体与规则紧密灵活地结合在一起，具有忠实性，是一种可决定的语言。之后，为了得到更好的计算复杂性，混合MKNF知识库的well-founded语义被提出。然而，即使本体和规则是一致的，将它们结合起来也可能会导致不一致信息。在这种情况下，无论是稳定语义下的推理系统还是well-founded语义下的推理系统都将因无法处理不一致信息而失效。另外，对于现实世界中经常出现的模糊信息，现有的语义也都没有能力来表达和推理它们。本文中，我们利用Belnap提出来的四值逻辑，为混合MKNF知识库提出一种忠实的超协调语义（简称为para-MKNF知识库），描述和推理知识库中的不一致信息。同时，我们给出一个线性的转换算子，将para-MKNF知识库规约到经典MKNF知识库中，确保不一致信息和缺失信息存在时经典推理机的有效性。这个线性的算子说明了两种语义之间的关系，并且验证了，超协调语义下的时间复杂度不超过经典语义。另外，针对不同类型规则下的知识库，我们定义了几种不同的不动点算子，每一种对应于不同规则下的para-MKNF知识库，并设计相应的迭代程序，用于计算para-MKNF知识库的超协调MKNF模型。然后，我们讨论了超协调语义下实例检测的数据复杂度。当混合MKNF知识库是不连贯的时候，超协调语义下的推理机会失效。针对这种情况，我们在九值逻辑的基础上，为混合MKNF知识库提出一个semi-S5语义，使得它对不连贯信息是超协调的。同时我们给出一个不动点算子来计算混合MKNF知识库的semi-S5模型。当知识库是连贯的时候，semi-S5模型与超协调MKNF模型是一致的。另外，在para-MKNF知识库中，受到不一致信息影响的推论与其他推论的信任度是不同的。我们在六值格的基础上提出了一种怀疑语义，将两种信息区分开来，并研究了怀疑语义与超协调语义之间的关系。最后，我们将模糊集理论应用到混合MKNF知识库，建立一个良好定义的模糊MKNF知识库，保证了对经典二值语义的有效性。我们在实例分析的基础上，深入研究了模糊语义的一些基本性质，刻画了一般规则下知识库的模糊MKNF模型。而且，针对正的以及层次的模糊混合MKNF知识库，我们给出不动点算子以及迭代不动点语义，用来计算其模糊MKNF模型。另外，我们讨论了模糊非分离正的知识库的一个片段。在这个特殊的情况下，模态原子的真值计算可以在多项式时间内可以完成。