随着本体在知识管理、语义Web和人工智能等领域应用前景的进一步明朗,越来越多的本体涌现。与此同时,各领域的研究者和应用者根据特定目的所构建的不同本体间的异质问题也越来越受到重视。这种本体间的异质阻碍了知识共享、重用和互操作。为此,本体映射作为解决本体异质的根本途径成为当前本体研究的热点。目前,本体映射方法研究已经形成一个涵盖基于语法、基于本体结构、基于实例、基于外部资源以及多策略本体映射方法的方法体系。然而,当前的本体映射方法还普遍存在映射精度不高,对本体概念潜在语义信息挖掘不足的问题,为此,本文研究一种基于本体结构量化的本体概念映射方法,以支持不同本体的集成。本文首先定义并量化本体的概念深度、概念宽度和概念密度等结构信息,然后研究将已量化的结构信息转化为本体内父子概念语义相关度的方法。基于该量化方法之上,本文研究将结构信息用于本体映射发现的方法,即构建映射概念对的公共特征向量。通过映射概念对的公共特征向量与本体内父子概念的语义相关度的结合,将本体映射过程中映射概念对的相似度计算转化为两个数值向量的相似度计算,从而获得两个不同本体的语义映射。试验证明,该方法可以较好的发现两个不同本体概念间的语义关系,特别是在结构信息的帮助下,能较好的发现同义不同形和同形不同义的映射概念对的潜在语义关系,从而提高本体映射的精度。试验数据显示,本文方法在本体映射的准确率、召回率和F-measure值上都有不错的表现。并且,本文设计实现了一个基于本文方法的本体映射应用系统,进一步展示了该方法的实用性。总之,本文针对本体异质问题,充分利用了本体的结构信息,提出一种新的基于本体结构量化的本体映射方法。并创新性地提出了量化本体结构信息的方法以及通过构建公共特征向量将映射概念对的相似度计算转化为向量近似计算的方法。本文研究丰富和完善了本体映射发现的方法体系。