伴随着信息技术的迅猛发展,信息表示形式也日益丰富,互联网中存在着海量数据和有价值的信息。但不同数据信息只能在内部交换,信息交流存在困难。另外,单一数据源无法多方面体现数据特征信息,携带信息属性不全面。将多源数据融合可以对数据信息进行更全面的表示,对信息交流、重用有重大意义。因此,本文从多源数据本体建模、本体相似度计算,融合数据库语义查询三方面对多源数据融合任务展开深入研究,具体工作如下:首先,本文采用本体作为数据表示形式,构建混合本体模型开展数据融合工作,解决传统方法知识获取能力不足,语义表达不明确的问题。在现有本体构建方法的基础上结合领域知识特征,设计出特定领域本体的构建过程,并制定数据库数据到本体数据的匹配规则,完成不同数据到本体数据的映射。其次,本文提出了一种基于图卷积网络的本体相似度计算方法,解决本体映射过程中的相似度计算问题。本体映射是数据融合过程的关键步骤,相似度的计算是本体映射的核心,图卷积网络有效利用不同节点信息,对关系信息保存能力优越。实验结果表明,图卷积网络在本体相似度计算任务表现优于其他模型,取得了最大的皮尔逊系数值,误差最大值、误差平均值、误差标准差是最小的,证明该模型可以高效解决本体相似度计算问题。再次,本文提出了一种基于ERNIE-Bi LSTM-CRF的问句实体识别方法,解决语义查询应用过程中的实体识别问题。该方法通过Bi LSTM模型捕获上下文信息,使用CRF模型对难以表示的强依赖关系进行建模,并利用ERNIE模型对输入问句进行词向量语义增强表示,该模型实体识别能力比基线模型Bi LSTM效果更出色。实验结果表明该模型对电影实体和人员实体有良好的识别能力,与现有方法比较,该方法在准确率、召回率和F值上有着更好的表现,证明融入知识增强语义表示模型有效提升了实体识别能力。最后,基于上述研究设计并实现了面向融合数据的问答系统。用户输入要查询的问句,系统解析问句进行意图识别和实体识别,最后查询融合数据的知识库,返回查询结果。该系统能对多源异构数据进行融合,建立统一的融合数据知识库,并利用融合数据库,进行语义查询工作,有效发挥了数据价值,实现了数据共享和信息交流。