语义网的目标是建立一个机器可理解信息的网络,它能够在语义感知的应用之间自动地访问和交换。然而由于语义网开发的分散性,本体以及基于本体的应用数量持续不断地爆炸性增长,随之出现了具有不同粒度、成熟度以及不同建模角度的可用本体资源。为解决这些本体之间的异构问题,本体匹配成为了实现语义网的关键所在。此外,通过现有本体匹配方法或匹配器的数目与种类也可以反映出匹配问题的重要性,该问题的解决对于诸如Web服务、P2P、生物医学、电子商务、情报科学、软件工程和地理信息系统等领域中都具有重大的理论和实用价值。近年来,本体匹配研究得到了研究机构和研究人员的足够重视,提出了很多面向具体应用领域的本体匹配方法或技术。但是现有的本体匹配器远远无法满足新兴语义网和其他本体应用日益增长的需求,而为新的应用需求重新开发匹配方法并不现实,因此选择、复用和调整现有的匹配器逐渐成为一个有效的解决途径。为此,本文深入探讨解决匹配器选择与组合两个关键性问题。首先,为了避免盲目匹配,在分析现有匹配器特征的基础上,研究一种面向应用需求的本体匹配器选择与评价方法。从应用需求中获取匹配任务信息和用户偏好,并以此在匹配器库中筛选满足条件的匹配器,再利用评价模型对所筛选出来的匹配器进行全面分析,从而为用户推荐合适的匹配器。通过应用实例表明,该方法使得现有匹配器在匹配任务中被恰当地使用,对于有效解决本体异构问题具有一定的实用价值。其次,为了实现多个基础匹配器的组合,研究一个成员匹配器的选择模型。为降低选择的难度,将整个匹配任务分解为多个子任务,并依据子任务的功能需求执行局部选择操作。研究一种基于差异性度量的局部选择算法,为全局选择推荐一些局部匹配器组合,并将全局选择问题定义为0-1整型规划问题,利用LINGO数学软件与用户交互逐步求解完成选择工作。通过应用实例分析表明全局选择过程的合理性,为多匹配器选择活动提供了必要的过程导引。再次,为了实现本体匹配器组合匹配结果的内部集成,提出一种基于IOWA算子的本体相似度集成方法。首先预测每个相似度的置信度,然后将置信度作为诱导值对相似度进行有序加权平均,求得最终相似度结果,对一些由于个别相似度异常高被误判为正确匹配的元素对进行了修正。实验结果表明了IOWA算子在数据集结中的优势和灵活性,它不仅考虑了各个匹配器的性能差异,又考虑到同一个匹配器对于不同数据的匹配质量差异。最后,为了合并多个本体匹配器产生的本体映射,研究一种基于辩论框架的映射协商方法。定义一个辩元之间存在支援、反驳、联合和支持关系的多辩元关系辩论框架(M-VAF),通过判断辩元之间的攻击是否成功以及判断各个辩元的可接受性对各个匹配器独立运行产生的映射结果进行选择。实验结果表明,此方法的性能明显优于其他基于辩论框架的协商方法,它能够为映射之间的协商提供了更有利的支持。本文开展本体匹配器选择与组合方法的研究,对于为不同的应用环境有效选择合适的匹配器,发挥参与组合的成员匹配器的优势,提高匹配任务执行的质量和效率都具有十分重要的意义。