本体学习(Ontology Learning)是自动或半自动构建本体的一系列方法和技术，它对本体建模具有积极的推动作用，主要体现在能够减少手工构建本体繁杂的人力消耗和提高本体构建质量等方面。然而，我们在开展农业领域本体建模与本体学习研究过程中，发现农业知识语料库里的信息是在持续增长并不断变化的，为使所建本体能够主动适应这种变化，开展农业领域本体自适应学习理论与方法的研究就显得尤为必要和重要。本研究在已有成果的基础上，针对茶学领域本体学习的自适应问题，重点开展茶学领域本体自适应学习方法的研究，主要包括茶学领域概念的自适应提取方法、茶学领域概念间关系的自适应提取方法以及茶学领域本体自适应学习原型系统设计三个方面。论文研究的主要内容如下：1、提出了茶学领域概念的自适应提取方法。构建贝叶斯网络，结合上下文依赖分析、互信息技术和领域度判断等算法，通过贝叶斯网络的逆向推理，实现茶学领域概念的自适应提取。2、提出了茶学领域概念间关系的自适应提取方法。通过概念聚类和簇聚类的方法提取茶学领域概念间分类关系，使用贝叶斯网络逆向推理，实现茶学领域概念间分类关系的自适应提取。3、开发了茶学领域本体自适应学习原型系统。在Eclipse平台上采用Servlet/JSP技术，开发一个茶学领域本体自适应学习原型系统，实验验证了文中所用理论与方法的正确性。论文研究对于农业领域本体建模理论与方法的深入研究，大规模构建农业领域本体，进一步建立农业语义网络与知识网格，实现农业领域知识的充分共享和协同服务，具有一定的理论价值和实际意义。