随着语义网中数据的不断丰富和语义服务的不断发展,语义网中开始出现大量的不确定数据,给语义网的应用带来很大挑战,不确定性数据的表示和推理变得更加重要。本体能够对语义网中的语义和知识进行建模,但现有的本体语言无法直接表示不确定性知识,需要对本体进行扩展。目前扩展方式主要基于概率和基于模糊两方面,但现有的研究往往只关注于其中一方面,而在实际应用中两者可能同时出现。针对现状,本文对不确定性的表示和推理的研究进行分析和总结,并对模糊概率知识的表示和推理进行研究,提出基于模糊多实体贝叶斯网络(模糊MEBN)的本体表示和推理的框架。本文主要工作如下:首先,对语义网中不确定性知识的表示方法进行研究,将模糊MEBN理论和本体相结合,提出基于OWL2(Web Ontology Language)的模糊MEBN本体语言FuzzyPR-OWL。该本体语言通过OWL2语言构建能表示模糊概率知识的本体类和属性,提供对模糊语义和不确定关系的描述,并给出语法定义和语义解释,同时用实例说明FuzzyPR-OWL本体构建领域本体的方法。之后,对不确定性知识的推理方法进行研究。基于FuzzyPR-OWL本体表示提出模糊概率本体的推理框架。论文结合模糊概率和贝叶斯网络的信念传播算法,在节点间传播的消息中增加模糊规则的影响因素,提出基于模糊概率的信念传播算法,在此基础上给出推理过程,包括数据的模糊化、SSFBN的构建以及模糊信念传播。最后,通过实验验证模糊概率本体的表示和推理方法的可行性和有效性。先用所提出的方法对汽车防撞警告系统进行建模和推理,把增加模糊状态后的推导结果与无模糊的概率推导结果作对比,得出模糊状态对目标节点概率的影响结果,然后在数据集上利用十倍交叉验证法对算法准确性进行评估。实验结果表明,本文提出的本体语言FuzzyPR-OWL能够有效表示和推理模糊概率知识,为不确定性信息的表示和推理提供一种新的解决方案。