本体论在增强系统之间的互操作性，基于语义的相互访问，以及推动下一代互联网“语义 Web”等方面扮演着极其重要的角色。现今大量的本体分散于互联网各处的大型信息系统，知识管理系统，电子商务系统中，这些本体建立时没有遵循统一的标准，造成本体间存在着难以集成，共享困难，互操作性差等缺点。本体匹配旨在充分共享本体，突破本体异质的瓶颈，提高信息一致性和可重用性，促进系统之间的互操作性和知识共享，是本体研究领域中的难点和关键问题。　　 本文提出了一种改进的基于实例本体匹配算法IOMABI，算法首先将RDF结点序列化，将本体中的各结点用带权重的文档化单词序列表示；根据邻居发现算法，计算结点的语义邻居以及结点间的语义距离；然后利用结点的文档化单词序列以及结点的语义邻居和语义距离，结合K-M(Kuhn-Munkres)算法，计算结点之间的相似矩阵；最后，IOMABI从相似矩阵中选择部分子集作为最终的匹配结果。　　 相比于现有的基于实例本体匹配算法，IOMABI通过引入语义邻居发现算法(SND)，搜索结点的语义邻居，并计算结点间的语义距离，有机地结合了元素级匹配方法和结构级匹配方法，从而克服了现有基于实例本体匹配算法的匹配效果严重依赖实例数量的缺点；另外，IOMABI还将K-M算法引入到属性结点与属性结点之间的匹配，弥补了现有的基于实例匹配算法只能匹配类结点的缺陷。　　 算法在本体匹配公开测试数据集(OAEI2009)上进行了验证，并和传统的基于实例算法GLUE以及最新的本体匹配算法进行了比较。结果表明，本文设计的基于实例匹配算法不但能有效地匹配属性结点，而且相对于GLUE更适用于实例数目较少的情况。