专家系统的成功使人们意识到知识在智能系统中的重要地位，而大量专家系统只能应用于特定领域和特定条件的现状，使研究人员转向为建立多个大规模常识知识系统而努力。　　常识知识相对于领域专家知识而言，具有跨领域性、模糊性、不确定性、应用面广等特点，需要设计与之相适应的常识知识表示方法，而现有常识知识系统大多仍然使用传统专家系统的知识表示方法。本研究旨在为常识知识的表示与推理提供新方法，为常识知识系统的构建提供理论基础。　　在知识表示方面，已经提出多种表示知识的方法，包括逻辑、语义网络、框架、贝叶斯网、本体等；在常识知识系统方面，已有多个系统，包括Cyc，WordNet，ACT-R，OpenMindCommonSense，WolframAlpha等；在心理学研究方面，有多个与常识有关的模型，包括激活扩散模型，中枢能量模型等。　　论文在回顾已有知识表示方法和常识知识系统的基础上，借鉴认知心理学模型，提出一种新的常识知识表示和推理的方法-动态语义网，详细描述了动态语义网的表示规范，推理规范，形成规范，进一步完善了常识知识系统构建的理论工作。　　论文在动态语义网模型完整描述的基础上，提出了两个常识知识系统的典型问题--故事理解和笑话理解，并用动态语义网模型模拟两个例子的求解，获得了有意义的结果，为常识知识系统的应用指明了方向。　　论文在总结现有工作的基础上，重申了常识知识系统的重要性，指明动态语义网规范仍需继续完善，常识知识系统的应用还有待大力挖掘，为未来常识知识系统研究的发展指明了方向。