基于案例推理是一种利用过去的经验来解决新问题的推理模式。与基于规则为中心的推理不同,CBR将过去的经验表示成案例,较好地解决了基于规则推理系统中知识获取的瓶颈问题。虽然CBR不需要事先获取领域知识,但结合领域知识的指导,能有效地提高CBR系统的性能。传统的CBR系统中,案例和领域知识的表示模型多种多样,但多基于非形式化知识表示法,使得案例的定义和组织方式难以调整和扩展,领域知识也难以共享。本体论是人工智能领域近几年研究的热点,已经成功地应用于信息集成和语义检索等多个领域。本体是领域内的共享概念及概念间语义关系的形式化规范说明,是由概念、概念的特征、概念间关系、实例和公理组成的集合。由于本体以可判定的描述逻辑作为知识表示方式,具有形式化的建模语言,使得本体逐渐成为一种通用的知识表示模型。将本体引入CBR能有效地解决上述问题。本文首先介绍了CBR和本体的基本概念和原理,在对CBR和本体研究的基础上,分析了各自的特点,提出了一种基于本体的案例表示方法和相应的案例检索方法。在基于本体的案例表示法中,将案例定义成案例结构、案例和领域知识三个部分,并对如何将三者统一在本体中进行了研究和说明。在案例检索时,首先对案例进行过滤,再进行案例的相似度计算。在进行相似度计算时,引入了本体相似度计算来提高案例检索的查全率。最后,基于上述研究进行了验证实验,并对实验结果进行分析,通过实验证明本文提出的方法的可行性和有效性。