计算机动画自动生成作为叙事智能领域的一个重要研究分支，结合了众多学科的已有研究成果，可以广泛地应用于工作、生活和娱乐，其代表性的研究体现为由自然语言的故事到计算机动画的翻译。本文以计算机动画自动生成为研究背景，对本体构建和海量本体数据的推理展开深入研究，并围绕基于动画的本体模型和基于MapReduce的RDFS(ResourceDescription Framework Schema)扩展推理展开讨论，其主要工作归纳如下：首先，对计算机动画自动生成、本体构建和推理的研究背景和研究现状进行分析总结，并介绍了本体的相关理论知识，包括本体的概念、本体建模、本体描述语言、本体推理，以及分布式计算的相关理论知识。然后，通过对动画本体的领域需求进行分析，结合现有基础本体的研究，提出了一种面向动画的本体模型。该模型定义了事件、空间、时间、对象、信息实体等概念，以动画中的关键动作对事件进行分类建模，并以事件模型为基础，建立事件之间，事件与其他对象之间、其他对象之间的各种关系，形成了基于事件的动画本体关系模式，并使用描述逻辑对其进行公理化表示。通过手动实例化的测试结果表明，该本体模型能够很好的描述动画剧本，并保证本体的扩展性和重用性。最后，提出了一种基于MapReduce的RDFS扩展推理方法。该推理方法利用MapReduce编程模型的思想，以Hadoop框架为实验平台，扩展和实现RDFS规则的分布式推理算法。该推理程序首先将存储在HDFS上的海量本体数据进行编码压缩，并以一定的推理顺序依次执行各种规则的推理算法，最后解压输出。通过搭建一个小型的Hadoop集群对程序进行测试的结果表明，该推理算法能够明显提高推理效率，而且具有良好的扩展性。