云计算和大数据推动了一系列人工智能（Artificial Intelligence,AI）技术的落地和发展,使人们从信息时代进一步迈入了智能时代。但由于大数据本身存在的一系列问题（非结构化、非标准化、缺少语义关联、缺乏领域背景知识、质量不高等）,使得大数据的价值并未被充分挖掘和利用。为实现对大数据的精准与精细分析,除了依赖领域相关的标准、规范、指南等以外,更重要的是依赖领域专业知识的支撑。目前,尽管大数据驱动的机器智能在一些感知智能方面已经达到甚至超越人类的水平,但其在认知智能方面的水平仍然很低。认知能力是人类独有的能力,认知智能的实现依赖人们拥有的大量领域常识知识。针对“机器可理解的”（machine-understandable）领域语义知识库的建模方法以及基于领域语义知识库的知识服务方法的研究,目前已成为人工智能及知识工程领域的研究热点。围绕领域语义知识库的构建,目前的研究主要集中在通用的方法学、工具集、知识获取、知识复用等方面。针对领域知识的表示,基于大量实践发现,还存在大量共性的语义映射问题亟待解决。针对知识服务方法的研究,目前还没有提出明确的知识服务模型,目前的研究主要集中在浅层的语义信息共享和语义集成方面。基于领域语义知识库,通过补充问题求解知识以面向领域应用提供深层次的问题求解服务的研究还比较少。为此,本文基于本体（Ontology）、语义Web（Semantic Web）、模糊理论等知识建模技术与理论,深入研究领域语义知识库构建中的语义映射方法、开放语义知识库的复用方法,以及基于领域语义知识库的知识服务模型和问题求解方法。本文的主要创新工作概括如下:（1）针对领域专家知识（简称“专家视图”）中普遍存在的一词多义（例如,同一资源名既表示概念又表示属性、同一属性具有多个定义域、同一实例具有多种类型、同一资源既是类型又是实例等）、多元（n-ary）关系（例如不确定关系、关系存在附加信息、同一关系存在不同方面的值、多个实例之间的多元关系等）现象带来的一些共性语义映射问题以及在提供知识服务时针对领域安全专家或信息拥有者的访问授权的共性语义映射问题,本文给出了相应的语义映射解决方案,总结了 10条本体建模约定,并对语义映射结果从语义理解、语义推理和语义查询的正确性几个方面进行了详细分析。语义映射结果表明,本文提出的语义映射方法可以确保语义理解、语义推理和语义查询的正确性以及提供知识服务时访问授权的细粒度安全性。（2）针对领域专家知识中的模糊知识的语义描述,本文提出了一种建模领域模糊本体和描述领域模糊知识的方法。首先,该方法完全遵循本体设计原则,从概念上澄清了模糊概念仍旧是本体中的一个概念,模糊隶属关系或模糊关联关系仍旧是一种语义关系。其次,该方法结合模糊理论、本体标准描述语言和SWRL来建模领域模糊本体,可复用已有的OWL（Web Ontology Language）本体编辑器和推理引擎。该方法通过“OWL2”实例值约束（individual value restriction）构造器来表征模糊概念的特征函数,通过实例值约束构造器和类逻辑交构造器对模糊概念或模糊关系进行模糊限定,通过SWRL规则集来描述隶属函数表达式。最后,该方法通过引入关系类来表示模糊隶属关系和模糊关联关系,通过SWRL规则集来向模糊隶属函数实例传递论域元素的值以及描述模糊隶属关系,通过规则推理运算和操作可实现隶属度的自动计算和模糊隶属关系的自动构建。评价结果表明,本文的方法更加完整、合理和有效。（3）针对Freebase开放语义知识库的间接复用,本文识别和讨论了直接从Freebase RDF dump中抽取某个领域的知识所面临的各种障碍。在从概念、知识表示模型和语义描述组件三个方面对Freebase知识库和基于本体的领域语义知识库进行完全语义映射的基础上,本文提出了一种称为“EdokFred”的方法,该方法一方面可以实现对Freebase RDF dump包的预处理,在尽可能缩减dump包的规模的前提下,同时确保各个主题域知识的完整性;另一方面可以实现从处理后的dump包中快速、准确、完整地抽取出某个领域的本体定义和实例数据,并将其转换为本体标准语言描述的形式。评价结果表明,本文的方法在处理结果、准确性、完整性、处理性能和可重用性等方面均优于现有的方法。（4）为基于领域语义知识库提供知识服务,本文提出了基于领域语义知识库的知识服务模型。以面向慢病患者的干预方案推荐和基于症状的常见疾病辅助诊断应用需求为例,采用本文提出的领域语义知识库构建方法构建了一个健康医疗领域的语义知识库。由专家参与构建了面向慢病患者的饮食和运动推荐模型作为补充的问题求解知识,评价结果表明,本文构建的健康医疗领域语义知识库可以满足推荐模型的需求,推荐结果基本符合患者的身体状况和干预目标需求。针对“3R方法”存在的问题和不足,本文提出了一种“IMP3R方法”,以提出的疾病辅助诊断算法作为补充的问题求解知识,针对随机选取的6种常见疾病的Top-1和Top-3命中率,本文的IMP3R方法均高于3R方法。与朴素贝叶斯分类和决策树分类方法比较,本文的IMP3R方法可以避免“冷启动”问题,可以快速支撑大量常见疾病的辅助诊断。