语义网(Semantic Web)是对现有Web的扩展,其目标是使Web上的信息具有计算机可以理解的语义。而本体(Ontology)则描述了其中的语义,本体在语义网中起到了重要的作用。由于语义网分布式的特点,语义网中的很多数据不可避免的来自于多个不同的本体。为了实现异构本体互操作,我们需要找到本体术语间的匹配关系,即本体匹配是实现异构本体互操作的解决方法之一。目前已经存在很多不同的匹配策略,但是对用户来说,很难决定采用哪个策略来匹配本体,很难判断哪个策略是最有效的。本文主要研究的内容是为输入的本体对象推荐本体匹配策略。首先将源本体对片段化,选择其中几个本体片段对,然后半自动或人工提供正确的本体片段对的映射关系。然后用不同的匹配策略匹配,得到评估结果。最后,根据估算的结果来提供推荐。由于本体片段只是源本体的一小部分,同整个本体相比,为它添加映射关系所需要的工作量和复杂程度都是相对很小的。本文是基于多策略的本体匹配的研究,主要采用了学习策略实现本体匹配。首先,本文在基于本体概念实例的本体匹配中,采用机器学习的技术,计算出术语间的相似度;其次,在基于本体概念定义的本体匹配中,结合了基于WordNet学习的方法;最后,在本体匹配策略推荐中,通过对本体片段对的匹配评估分析,学习得到了推荐策略,从而完成本体匹配。在本体匹配策略推荐的最后环节,策略推荐算法中,提出了匹配策略适应度的概念,根据本体匹配的要求,该量的侧重方面不同,从而得到不同的推荐结果,即得出了前n个推荐策略。