随着Internet的发展,互联网已经成为最庞大的知识库.面对Web上信息的爆炸式增长,如何更加有效地对信息进行语义上的组织和复用,进而达到语义级的知识共享,是目前知识工程和语义网研究领域面临的一个极具挑战性的问题.该文对本体构建方法,特别是半自动的本体构建方法进行了深入研究,分析了现有本体构建方法和工具的主要特点,提出了基于海量Web文本的中文领域本体半自动生成方法.该方法以Web文本作为信息源,构建领域本体,包含三个研究重点:首先基于文本挖掘技术提炼和整合Web文本中的知识,并将其表达为主题层次树的结构;继而利用常识本体进一步精化和扩充领域知识,将其表达为概念关系图.最后,整个本体搭建的过程需要知识工程师的介入和指导.这是一个结合了海量Web文本、常识本体和知识工程师的知识半自动的搭建领域本体的全过程.该文着重研究利用文本挖掘方法获取Web文本知识表示的方法.由于Web文本具有数量巨大,形式多样,句子语法结构不完整以及标签信息缺乏的特点,因此该文基于层次聚类算法实现Web文本挖掘.通过数学模型刻画了层次聚类算法的系统树图中聚合特性的跳变规律,设计主题关系提取算法从系统树图中提取领域相关的主题集合,利用主题结点在系统树图中的层次关系挖掘主题之间潜在的语义联系,从而形成Web文本的知识表示—主题层次树.并在此基础上提供可视化工作便于知识工程师对主题层次树的修正.该文最后通过具体的实验数据对主题关系提取算法的可行性进行了验证并对基于不同文本集合生成的主题层次树进行了比较.