语义网发展迅速,网络上本体的规模也日益增大。如何有效的实现这些大规模本体的分块,提高本体的重用和映射的效率,越来越受到国内外研究人员的重视。本文重点研究大规模本体的分块,同时对分块本体的质量做出了合理的评价。首先,论文介绍了课题的研究背景和研究意义,对本体和本体映射的方法进行了简单概括,并对目前大规模本体分块的研究方法和研究项目进行了总结归纳,详细描述了本体模块的特征及其表示方法。然后,从本体的模块理论出发,提出了一种大规模本体分块的方法。在该方法中,对预处理后的本体用本体依赖图的形式表示并进行优化,再在此基础上创建本体依赖图的拉普拉斯矩阵,根据其对应的费德勒特征值和费德勒特征向量的属性,对大规模本体进行分块,同时结合分块后本体模块的锚点相似度和主题相似度,求出本体模块间的相似度,实现大规模本体之间的分块与映射。接着,针对目前对分块后的本体模块质量评价方法的局限性,提出了一种基于本体模块结构和本体模块应用的本体分块质量评价的方法。从本体模块的封装性、独立性、与用户的交互水平,以及其语义丰富度、冗余度和连通度几个方面进行度量。最后,根据上述研究,设计实现了大规模本体分块的实验,并做出了评价。本文的实验数据来源于http://swoogle.umbc.edu网站上的两个旅游本体,利用模块子图抽取的方法进行分块,并对它们进行了测试,采用模块独立性作为分块质量的评价标准。实验结果表明,该方法能有效实现大规模本体的分块,提高映射效率。