目前解决现行Web不能自动处理海量信息的有效途径是语义Web。本体作为一种领域知识概念化的方法,是语义Web的基础。Web自身具有的分布性使得不同的用户根据各自的应用需求建立合适的本体。这些本体所描述的内容在语义上往往是重合或关联的,但由于构建者的不同使得在表示语言和表示模型上却存在很大的差异,这便造成了本体异构。能够有效解决本体异构的方法是本体映射。本体概念间语义相似度的计算是本体映射过程中的核心内容。MD3模型是一种典型的基于本体描述的本体概念间语义相似度计算方法。它分别从概念名称、特征属性和语义邻居(语义关系)三个方面计算概念语义相似度,然后综合加权得到概念之间综合的语义相似度,然而它还存在一些不足之处。本文针对目前本体概念语义相似度计算过程中所存在的问题,提出了一种综合的相似度计算方法。该方法首先采用Hirst-St-Onge语义相关度算法判断不同本体之间是否存在相关性。如果相关,则充分考虑概念的名称、属性、实例、关系,从多方面进行比较。在分析MD3模型的基础上,增加了非层次关系以及实例对概念相似度的影响,提出了EMD3模型。并进而提出了基于EMD3模型的本体映射机制,构建了相应的本体映射流程,设计实现了基于EMD3模型的本体映射算法,搭建了本体映射的实验平台。三组本体映射的对比实验显示,在同等条件下,EMD3模型同MD3模型相比,在返回率和准确率上都有所提高。相信随着本体技术的不断发展提高,EMD3模型的优势还会进一步得到显现。