在传统的Web中，资源的语义信息通常是以机器难以处理的自由文本方式 存储的，而资源间的语义关系是以一种隐含的方式存在。由于缺乏明确的描述， 这些语义信息将不可避免地被丢失。如果能明确表达Web资源语义和资源之间 的关系，信息以语义良定义形式存在，则将大大提高资源的共享能力。这正是 语义Web的研究动机。 语义Web是当前Web的扩展，使得网络中所有信息都是具有语义的，是计 算机能够理解和处理的，便于人和计算机之间的交互与合作。在不久的将来， 当机器能够更好地处理和“明白”那些它们现在只能仅仅展现的数据的时候，必将 涌现出更多的功能。语义Web将是一个能够“理解”人类信息的智能网络。 近几年来在语义Web这一领域的相关标准和技术有了一定的发展，但是离 真正意义上的语义Web的实现还有相当的距离。人们已经越来越清楚地认识到 本体在解决语义共享问题中的重要意义和作用。但目前对本体的研究总体来说 还处于起步阶段，还存在着许多问题，如：本体的自动构建；本体演化和维护； 本体转换和集成；本体的评价等。这些问题也正是本体需要进一步研究的领域 以及今后发展的方向。另外，随着Web服务技术的日益成熟，越来越多的稳定 易用的Web服务共享在网络上。但单个Web服务能够提供的功能有限，已经难 以满足实际应用的需求，因而如何根据用户的新需求，整合出符合要求的、有 效的新服务，以及如何选择最佳组合方案都已经成为迫切需要得到解决的问题。 本文围绕在语义Web环境下实现信息共享和服务合成两个方面的问题，开 展本体学习、本体匹配、服务选择、服务组合等方面的研究。详细来讲，主要 工作包括以下几个方面： 针对本体概念分类规则学习问题，本文提出了一种基于遗传算法的本体学 习方法，首先，在编码过程中采用了可变长度的规则集合作为个体，以满足不 同概念对分类规则数目的不同要求。其次，定义了规则集相对覆盖率，并以此 作为适应值函数，评估个体对概念实例的分类效果，实现优化迭代。最后，给 出了基于遗传算法的本体分类规则学习算法。并利用一组标准样本集对该算法 与同类算法进行了测试和比较，实验结果表明该算法具有很好的收敛性，并且 能获得较好的分类效果。 为了解决多个本体间的语义互连问题，本文提出了一种基于遗传算法的本 体匹配优化方法。首先针对两个本体间的匹配问题构建本体映射模型，其中每 个本体是由一组特征集合表示。本文中界定了概念的两类特征，反映概念本质 特征的内涵特征和体现概念与其它概念间关联的外延特征。然后，基于本体特 征集定义了本体间的全局相似度函数，并采用遗传算法评价相似度函数以获得 全局的近似最优匹配结果。最后通过一组实验分析了遗传算法参数和适应值函 数中的权值的设置，并且对算法的性能进行评价。 针对服务组合时面临存在复杂的参数接口(多个服务的输出并起来才能包 含后继服务的输入)的情况，本文提出了一种基于超图的分层服务组合算法。 该算法从服务请求的输出目标入手，通过迭代求解每一层上的最优服务匹配问 题生成一棵组合树。最优匹配问题采用超图的最小横贯集的算法实现。同时， 提出了一个优化算法，在组合算法的中间步骤检测匹配阶段生成的可能结点， 抛弃一些无用的状态。最后，给出一个旅游服务组合实例来描述本文提出的组 合算法的有效性。 针对服务选择时存在组合方案中的控制结构、具体服务间的关联性和多QoS 指标间的折衷这三方面的约束，本文提出一种基于服务非功能属性的Web服务 最佳选择的多目标遗传算法。首先对服务选择问题建立分层模型，并且给出最 佳选择问题的形式化定义。在此基础上，采用多目标遗传算法求解最佳服务选 择问题。算法中首先设计了适合的染色体编码方式表示可行的服务选择方案， 改进了基本的遗传算子，并且采用了两种遗传策略来避免算法陷入局部最优， 以保证种群的收敛性。通过仿真结果表明，该方法能在有限进化代数内产生一 组满足用户QoS需求的非劣服务组合方案解，并且遗传策略在提高算法收敛性 和维护种群多样性方面也发挥了作用。 面向城市公共交通领域建立了公共交通本体。对城市公共交通领域内的知 识进行建模，主要包括交通本体的概念分类层次，概念的属性定义，以及概念 间的关系。并采用本体开发工具Protégé-2000实现交通领域本体的构建，进一 步通过Jena解析OWL本体，实现了基于公交领域本体的公交查询系统。 关键词：语义Web，本体，Web服务，本体学习，本体匹配，服务组合，服务 选择，交通领域本体构建