随着网络信息的急增,Web信息检索将扮演着越发重要的角色,如何提高信息检索的效率也随之成为研究热点。而在信息检索领域中,概念相似度计算起着很重要的作用,提高概念相似度的精度对提高信息检索的效率具有重要的理论与实际意义。目前,在信息检索领域中,概念相似度的计算大多都是基于概念的表面进行比较,参与比较的只有外在的表现形式,缺乏内在的涵义,这使得概念相似度精度的提高成为一个瓶颈。而语义Web中的本体能够描述信息的涵义,就为解决上述瓶颈提供了新的技术思路。因而本文就围绕着基于本体如何提高概念相似度精度的问题展开,并对现有的底层概念相似度、上层概念相似度的计算方法中存在的问题进行了改进。本文针对现有概念相似度方法大多局限于概念某一层面信息,不能完全反映概念相似程度的不足,在对概念的字面、语义、语用相似度计算方法改进的基础上,提出了综合多层面信息的计算方法,并利用此方法计算了本体底层概念相似度,通过与人类主观判断结果比较,验证了该算法能有效地提高底层概念相似度精度。根据本体底层概念不同于上层概念、底层概念相对上层概念涵义清晰的特性,本文在分析了其它计算上层概念相似度方法的不足之后,引入概念层次深度差和实例个数差两个系数,提出了基于底层概念自底向上计算上层概念相似度的方法,结果与经典的联合概率统计方法的计算结果进行比较,表明了该算法不仅能提高上层概念相似度精度,而且能够较精确地计算出本体间的相似度。最后,基于本文算法,提出了一个基于本体的信息检索原型,并对原型中各模块进行了功能描述。