因特网和计算机的迅猛发展使得语义网正受到越来越广泛的重视。其通过实现文档语义与文档结构的分离,达到文档具有机器可处理的语义,从而解决传统Web无法解决的一些问题。在语义网环境下,数据不仅能被显示,而且可以被机器自动处理、集成和重用。当前语义网应用需要处理大量的模糊信息,而作为语义网逻辑基础的经典描述逻辑在模糊知识的表示和推理上存在不足,故需对描述逻辑进行模糊扩展。现有的描述逻辑模糊扩展还不完善,不能表示同时包含支持与反对的模糊知识,但这类复杂模糊知识却在相当多的实际应用中起着重要作用。为此提出一种新的基于Vague集的描述逻辑模糊扩展,通过对描述逻辑中的隶属度以区间值表示,来支持复杂模糊知识描述。本文通过将Vague集理论引入到描述逻辑中,并建立了完善的公理体系,以及通过系统演示对该体系的检验,所做的主要工作如下:①提出了对描述逻辑ALC(Attributive concept description Language with Complements)的Vague扩展,建立了公理体系V-ALC,并以此作为后续知识表示与推理的理论基础。将描述逻辑里的概念、关系等重要元素都进行了扩展,并给出相应的定义、准则、公理以及定理等。②将V-ALC公理体系作为逻辑基础,扩展了当前的本体语言,提出了基于V-ALC的描述语言VARL(Vague ALC Rule Language)。使得该语言在操作上能够处理具有Vague值的信息。从而为后续的推理机设计提供了知识表示基础,推理机能够通过此方式进行应用。③以VARL作为知识的表示语言,利用推理框架Jena作为推理机制,构建了一个模糊推理机VARLReasoner。其能够利用规则进行模糊推理,给出相应的结果。最后,通过一个简单的演示对该推理机的能力进行了必要的检验。本文将Vague集理论引入到语义网的知识表述与推理中,增强了处理模糊信息的能力,构建了一套处理带有Vague信息的体系,它具有一定的理论和实践意义。