自从1998年语义Web的理念和体系架构被提出后,这个被称为下一代Web的技术受到广泛关注,在近十几年,研究者对相关层面上的知识表示、推理、存储方式等进行深入研究,并逐渐地将相关领域内的技术思想和研究成果运用到语义Web的开发和实际应用。语义Web开发的核心技术之一是构建具有逻辑推理功能的知识库,它已经在互联网上得到广泛的应用,尤其是为语义Web提供语义信息,实现Web信息的自动处理。知识库的分散式、单一化的特性导致知识库之间构建标准不统一、数据不一致、信息交互困难以及“信息孤岛”等问题,从而严重影响机器自主推理能力,降低语义Web的智能化效果。为了有效解决上述问题,并考虑如何维护知识库的正确性及有效组织推理规则进行逻辑推理以最大化地满足语义Web所需要的隐含信息,知识库整合技术的研究在语义Web领域中具有重要意义。目前,语义Web下的多知识库整合需要人工参与大部分工作,而其过程又是单调的重复性工作。基于此点,本文针对语义Web中描述逻辑构建的多知识库整合进行较为全面的分析与研究。本文的主要贡献如下:(1)实现知识库的逻辑推理功能。证明了描述逻辑中的所有推理问题都可转化为可满足性关系和目标的一致性检测关系,并给出两种关系的变形规则,理论证明显示变形后的规则更适合于知识库的逻辑推理。(2)提出一种基于最小概念集的多TBox整合方法及其算法。设计最小概念集生成算法,利用并改进RiMOM(Risk Minimization based Ontology Mapping)模型中的映射策略,构建TBox间映射图,最后将若干个局部TBox整合成一个全局TBox。仿真结果显示该整合方法性能良好。(3)提出一种分割与关联的多ABox优化技术及算法。通过构建子ABox图来分割ABox,根据连通图判定算法判定子ABox图间相互依赖关系,通过数据描述法关联存有依赖关系的子ABox。仿真结果显示该优化方法大幅度提高检索效率。(4)设计一款自动化的多知识库整合查询系统MKBMQS (Multiple Knowledge Bases Merge and Query System),并设计整合后TBox和ABox上的查询算法。通过工程应用实例,利用设计好的查询算法,该系统可验证文中的整合技术是可行的。