语义网除了能促进信息的自动化处理之外,更有利于实现信息的机器理解,这就注定使语义网的研究备受关注。然而,随着网络的发展,网络数据呈指数级别增长,虽然其信息量巨大且范围及内容广泛,但也存在信息不明确抑或是缺失的现象,再者,由于人类认识世界的局限性,进而导致对知识认识不全,这势必会影响基于信息和知识的推理。由于本体是一种性能优良的资源描述结构,因此语义网中的知识结构通常是以本体的形式存在。对信息不完全(Incomplete)的知识推理是语义网应用研究的组成部分,这就需要一种能够有效处理不完全信息的本体推理机对不完全本体正常进行推理。本文深入研究了缺省推理和本体继承机制,取得了一些成果。目前,有一系列本体的推理机制,但大多都不能解决在信息缺省的情况下的推理问题。有关于本体的研究也仅限于完全本体,即假定信息很全的情况下。然而,在知识的推理中,知识也会表现出不完全性(Incompleteness)的特质。本体也是一种知识,因此也会具有不完全性。首先,以缺省推理为代表的非单调推理能很好地针对知识的不完全性,本文深入研究了缺省推理的特点,寻找缺省推理理论应用于实际的思路。其次,探寻了本体继承机制的实质,将缺省推理应用于本体继承机制中,实现本体中概念与概念,概念与本体,本体与本体的新的继承机制,弱化了本体的继承关系。最后,为验证这种弱化的作用,研究缺省的特点,提出了不完全本体的概念,并给出了不完全本体的表达方式及其推理机制,使本体推理具有非单调性,接近人脑推理特征,为缺失信息带来智能的处理方法,用实例验证了这种推理机制的有效性,这也就证明了弱化的本体继承的价值。设计并开发了支持缺省推理的推理系统,并提出了实验评估方案。