随着大数据时代的到来,网络中的数据量以前所未有的速度增长,网络中的数据源也在以前所未有的规模增长,web2.0时代的到来使得每个人都成为了信息的发布者和消费者。然而,数据源和数据量的极大丰富带来的一个负面问题就是搜索信息所花费的时间开销不断增大,虽然有高性能的搜索引擎的帮助,目前搜索引擎所能得到的仅仅是包含有关键词的网页,至于真正有用信息的获取还需要用户来逐个进行查找筛选。本文对海量数据的融合及其并行化技术展开了一系列的研究,旨在通过对海量的数据和多种数据源的分析,获取以实体对象为基本单位的全面信息,通过对多个数据源中数据的分析来还原出实体对象的完整信息,向用户提供完整高效的信息查询服务。本文首先在单机本体构建流程的基础上提出了并行化的本体构建算法,在构建好的本体的基础上提出了并行化的本体融合过程,该过程采用基于人工指导的半自动融合算法,由计算机来完成大量重复的融合计算。在得到的融合数据的基础上,介绍了针对融合数据所进行的复杂网络分析,以一个或一组特定的对象为分析目标,采用迭代渐进式的分析方法,发挥了融合数据所具有的多种信息的优势,并将分析结果以可视化的方式直观的展示出来。最后,本文给出了基于本体的海量数据融合系统的原型系统的设计与实现。结合MapReduce框架对海量的数据预处理,并实现了MapReduce计算框架下的本体构建与本体融合算法和复杂网络分析算法,采用B/S的架构,借助于HTML5的强大功能和丰富的表现力,向用户以最直观的方式展示融合结果和分析结果。本文将传统的本体构建方法与大数据分析相结合,提出了并行化的本体构建与融合算法,实现了对于海量数据的高效分析与融合,并在此基础上进行了融合数据的应用设计.