随着人类社会步入知识经济时代,知识正取代传统的土地、自然资源、资本和劳动力成为推动社会进步与发展的主要力量。知识经济在客观上要求有与之相适应的管理模式和管理理论;另外组织或企业也迫切需要有效的技术来管理这种极具经济价值的战略性资源。基于以上背景,本文着重探讨了基于本体的知识管理,特别是不确定知识管理中的几个关键问题,具体来说包括以下几个方面:(1)基于本体的不确定性知识表示和查询当前组织和企业所处的环境(如Web、市场)具有开放、不确定性和分布式等特征。如何表示领域中的知识,特别是不确定知识是一个重要的研究问题。传统的本体建模方法以及现代基于描述逻辑的本体表示语言都存在不足。为了表示领域知识的不确定性并支持对不确定性知识进行推理,本文对现代描述逻辑进行了扩展提出了P-SHIQ描述逻辑,引入概率来表示概念之间的依赖关系,并使用贝叶斯网络作为不确定性知识的推理手段。在知识查询方面,本文也对现有基于描述逻辑的知识查询机制进行了扩展,使之能处理不确定知识查询问题。(2)半自动本体获取方法Web时代的来临加剧了知识获取这一瓶颈问题。知识的手工获取不仅效率低下、代价高昂,而且还容易导致不一致性和各种其他错误。本文提出了一个半自动的本体获取方法,该方法主要从Web页面、文本数据库等多种源语料库中获取浅层本体,并通过领域专家的干预和确认得到符合应用要求的领域概念模型。我们重点研究了基于本体的语料获取、领域概念发现和关系学习,所获得的本体可以用现有语言来表示。(3)本体映射方法在多主体系统、语义网和信息集成等领域,如何协调同一领域内不同本体,甚至是不同领域本体的语义差异是一个重要问题。本文基于相似度度量提出了一个多维动态概念映射算法-S-Match算法。该算法可以根据应用领域不同灵活性和准确性需求,在语言级、结构级、实例级和推理级四个维度上动态地进行本体概念映射。S-Match算法在查全率和查准率方面要优于H-Match算法,和GLUE方法相比,S-Match需要更少的专家支持。对于概率本体,我们提出了S-POMap算法,它是S-Match算法的扩展,主要在推理级上使用贝叶斯网络学习算法发现概念相似关系。(4)面向语义的多主体知识服务面向服务的结构为动态环境中的知识共享和利用提供了一种良好的集成手段。当前Web服务描述仅停留在语法层面,并没有对其意义做任何说明。这种语义信息的缺失和关系的匮乏严重阻碍了服务协作和组合。本文以开放动态环境下的语义级知识共享和利用为目标,定义了知识服务描述OWL-KS,赋予知识服务丰富的语义信息。着重阐述了知识服务的描述、发现和匹配问题。在实现上以多主体系统为平台,知识服务提供方和