随着知识经济时代的到来，知识已逐渐成为企业生存和发展的关键性因素，知识的有效管理及更新是企业实现智能化的有效方法，对企业的意义重大。随着互联网的迅速发展，信息的过度装载导致知识的管理及更新愈发困难，而本体，作为知识表达的重要工具，目前正成为许多学者研究的重点，本体知识的更新研究主要分为本体概念的更新及本体概念实例的更新，本体中往往定义了很多概念，而概念包含的实例依然匮乏，这大大削弱了本体知识表达的作用。与此同时，手工匹配实例与概念是一个既耗时又效率低下的工作，如何有效的提高实例与概念匹配的效率是当前本体研究领域的重点。　　本文通过分析研究现有匹配算法，总结其中的优势与不足，提出基于语义相似度的实例与概念匹配算法，针对匹配概念集庞大复杂的问题，对本体内部概念进行分类，通过概念预筛选，减少实例与概念匹配的次数；针对现有方法中对语义关系考虑较少的问题，引入语义相似度，综合考虑实例与概念的名称相似度及属性语义相似度，确定与实例最佳匹配的概念。　　与此同时，为了解决匹配过程中产生的错误及冗余实例的问题，从实例关联度和填充相似度两方面予以考虑，以经典本体为参考标准，提出基于实例间相似度的错误及冗余实例检测机制，优化实例与概念匹配算法。　　实证结果表明，通过对概念的预筛选及语义关系的引入能够提高匹配算法的准确性，基于实例间相似度检测机制的使用可以有效解决匹配过程中产生的冗余与错误实例问题，从而优化匹配结果，提高本体知识表达的能力。