本体映射是在不同的异构本体间建立概念、属性、实例的映射关系的过程,以实现不同领域知识库之间的语义信息共享。语义Web智能交互的基础是逻辑语义及其推理能力。而当前本体映射的方法主要集中在语义相似度计算方面,其语义的推理能力一直都没有被充分利用。本文将着重关于映射推理的研究,提出结合语义相似度计算和不确定性推理映射的马尔科夫逻辑网络映射框架。首先,论文简要介绍了本课题的研究背景和意义,对现有本体映射策略进行了归纳,从语义相似度和推理映射两个方面分析现有映射系统的优点和不足之处,并指出现有结合多策略映射系统的普遍缺点,提出本文的研究方向和目标。然后,分别介绍马尔科夫网络和一阶逻辑的相关知识,据此提出基于马尔科夫逻辑网络的本体映射方法。相对于现有的本体映射方法,该方法能够利用一阶逻辑的特性,结合硬性规则和软性规则。首先,应用多种语义相似度映射策略,获得本体概念、属性、结构的语义相似度,并将综合后的映射结果作为推理映射的先验概率,处理不精确语义信息带来的不确定性；接着,考虑本体中已有的逻辑规则,即硬性规则,减化本体映射中出现的逻辑冲突,降低推理映射的计算复杂度。马尔科夫逻辑网络是由一阶逻辑和无向概率图模型组成的,而在马尔科夫逻辑网络中最大后验概率求解本身是个NP完全问题,其算法无法直接作为工程依据,因此应用整数线性规划(ILP)近似表示最大后验概率(MAP)求解问题,在ILP Base Solver基础上应用割平面推理(CPI)算法,进行推理映射发现,并证明在无向图中求解最大后验概率的可行性。最后,根据上述研究,设计并实现基于马尔科夫逻辑网络的本体映射系统MLBM,实验数据采用OAEI的本体数据,将实验结果与其他本体映射系统进行了比较。同时,在设定不同的实验阈值时,采用专家设定和机器学习两种方法,发现系统最佳阈值,以便提高其复杂语义环境下的适应性,有效提高系统的查全率和查准率。证明本系统在发现深层映射关系上的有效性,且能够有效提高映射结果的质量。