本体(Ontology)作为一种能在语义和知识层次上描述知识模型的建模工具,提供了概念的规范化描述,为知识的共享奠定了基础。但本体不能表示概念之间的重叠或相交程度,也不能支持只知道概念或个体的部分信息的推理。贝叶斯决策理论为处理不确定的事件或推理提供了理论基础。在不确定知识的表示和推理方面,贝叶斯网络被证明是获得不确定性知识的置信度的最有效方法之一。本文将两者结合起来,一方面能发挥本体在知识表述和领域范围内共享的优势,另一方面能充分发挥贝叶斯网络的不确定性推理能力,扩展本体在不确定知识的表示和推理方面的能力,具有更广泛的应用前景。本文首先对本体技术进行了介绍。领域本体能够直观的提供对该领域知识的共同理解,确定该领域内共同认可的词汇,并从不同层次的形式化模式上给出这些词汇(术语)和词汇之间相互关系的明确定义。本文还对本体的建模原语和构建方法进行了介绍,对本体语言OWL进行了概率扩展,使它能支持不确定性信息的表示,同时利用斯坦福大学的本体开发工具Protégé3.3,构建带有概率信息的领域本体。其次,对贝叶斯网络进行了研究。贝叶斯网络是概率论与图论的结合,表示数据中变量之间的条件独立性与概率分布,用于概率推理。贝叶斯网络是一种有效的不确定性推理方法。它被广泛用来进行不确定性推理,一个最重要的原因就是现实世界中存在不确定性,而概率论是表示不确定性的一个合理的方式。本文还介绍了其它几种不确定的推理方法,及各自的特点。最后,本文开发将概率本体直接转换成贝叶斯网络的OntoBN原型系统。从本体中抽取概率表示,通过Jena提供的OWL API,以及Norsys公司提供的Netica Java API开发OntoBN系统,将概率信息转化成贝叶斯网络。实验证明通过贝叶斯网络能扩展本体的推理能力,从而从知识系统中挖掘出更有价值的信息,辅助用户推理和决策。