知识图谱可以看作是人类刻画和认知世界的一个载体,是人工智能的重要分支,它可以对现实世界的事物及其相互关系进行形式化地描述,以刻画和揭示实体之间的语义关系,进而模仿人类的思维方式进行逻辑推理。知识图谱的推理技术是知识图谱最核心的技术之一,表示由一个或几个已知的判断推理出未知结论的过程,广义的推理包含语义查询和语义推理,本文所指的推理是广义范围的推理技术。近年来,随着知识抽取技术不断发展以及数据来源的不断丰富,知识图谱的规模正在迅速增长,当前知识图谱默认已被用来代表各种海量知识图谱。伴随着知识图谱规模的增长,知识图谱呈现出结构复杂多样性、数据动态变化性以及查询实时响应性等多种特性和需求,面对知识图谱所呈现的新特征和挑战,传统的语义推理方法和工具缺乏相应的对策,这极大限制了知识图谱技术的进一步推广和发展,研究如何高效的在大规模知识图谱上实施弹性语义推理成为一个重要研究课题。本文从大规模知识图谱语义推理所面临的挑战出发,研究了面向大规模知识图谱弹性语义推理的若干实用性科学问题,研究内容主要包括以下几个方面:(ⅰ)针对大规模知识图谱复杂知识结构的挑战,研究基于OWL属性链的弹性语义关联推理方法。(ⅱ)针对大规模知识图谱查询实时性的挑战,研究基于分布式内存的弹性语义查询推理方法。(ⅲ)针对大规模知识图谱流式动态性的挑战,研究基于规则的弹性语义流推理方法。(ⅳ)基于上述的方法和经验,设计实施了两个实用的面向大规模知识图谱弹性语义推理系统:基于Spark的大规模知识图谱规则推理系统和领域相关的大规模中西医知识图谱关联发现系统。