现有Web上的资源不能由机器做出准确的语义识别。为了探索解决的方法,本文以在计算机教学领域的应用研究为例,对基于本体的试卷自动生成系统的体系结构进行了设计,并对其中的一些关键技术进行了详细的设计,且实现了组卷分类器。本文提出的这种方法对实现计算机教学领域充分的信息共享和智能的信息资源利用有重要的作用,在其他应用领域也可以参照此方法。首先,本文研究了基于本体的试卷自动生成系统的研究背景并概述此领域的研究现状。通过对本体技术的深入研究来确定适合本文的试题本体样例的本体描述语言及本体构建方法。然后,描述了基于本体的试卷自动生成系统的体系结构。给出了如何构建领域本体,并用OWL DL本体描述语言生成了计算机导论试题本体样例片段;并结合机器学习的知识,提出了适合于利用试题本体库进行组卷的基于熵的属性加权的最近邻算法。最后,根据本文提出的基于熵的属性加权的最近邻算法,在实验中用Java编写出该算法的程序,以计算机导论试题样例库和计算机英语试题样例库中的数据为例,在Eclipse软件上运行出分类判断的实验结果,并比较分析了在Weka软件上运行的最近邻算法IBK、朴素贝叶斯算法、贝叶斯信念网算法、J48决策树算法、AdaBoostM1算法等其他机器学习算法对以上两个样例库进行分类判断的实验结果。通过实验证明,本文设计的基于本体的试卷自动生成系统的准确率高于其他传统的试卷自动生成系统,说明了本课题研究的价值。