新一代的万维网—语义网,使信息的自动化处理和机器理解更加容易。然而随着网络的发展,大量含糊不确定的模糊信息也需要表达和推理。语义网中的知识结构通常以本体的形式存在,模糊本体的知识推理是语义网应用研究的重要组成部分,这就需要一种能够有效处理模糊信息的本体推理机对模糊本体进行推理,明确概念描述的程度。本文以此为目标,对现有的本体语言及其推理机制进行了深入的研究,取得了一些成果。首先,由于现有的本体推理机分别是单方面基于描述逻辑或基于规则的,在处理模糊本体方面都有其局限性。由于各种推理机中模糊本体表示方法存在差异性,因而导致对模糊本体的处理效率很低。其次,为了解决模糊本体知识推理的瓶颈问题,本文将模糊本体作为应用对象,着重研究了模糊本体及其表示方法、模糊描述逻辑,并对目前存在的处理模糊本体的推理机进行了剖析。本文在详细比较了几种主流推理机的性能优缺点之后,确定了用规则引擎Jena来对特定领域的模糊本体进行解析,同时由于Jena能编写用户自定义规则,弥补了内置推理规则的不足。然后选择基于描述逻辑的推理机Pellet检查语义网中模糊本体是否存在矛盾知识,确保模糊本体知识的一致性。用仅有的支持模糊数据类型信息推理的FuzzyDL实现语义网模糊本体的知识推理。最后,本文在借鉴Pellet、JenaAPI和FuzzyDL推理机优点的基础上,引入了规则和描述逻辑推理结合的混合方法,设计了一种混合式模糊本体推理机框架,通过对模糊本体进行约简、一致性检测最终实现模糊本体的知识推理,从而提高推理的效率和准确度。