描述逻辑是一种知识表示的形式化方法，是一阶逻辑的可判子集，语义Web的逻辑基础。在语义Web中，知识有多种来源，用户有不同偏好，导致知识表示和推理产生了严重的不一致性和相对性问题。当前描述逻辑和本体领域的研究未能完整解决这些关键问题，使得语义Web的发展和应用受到极大限制。 不一致性是指命题p和-p同时成立的矛盾情况。由此引起的问题主要包括：1)推理爆炸问题：矛盾知识使得任何命题公式都是合法的逻辑推论。2)多扩张问题：多个矛盾正、反面知识的不同组合，产生多个一致的逻辑扩张，出现扩张的选择问题。3)表示能力和推理可判性间的权衡问题：扩展描述逻辑以合理表示矛盾知识，可能导致推理不再具有可判性。当前大部分描述逻辑都不能避免推理爆炸问题，实践中经常受到难以取舍矛盾正、反面知识的化解困境的挑战。以PION为代表的本体推理机采用近似推理的方法解决了推理爆炸问题，但没有解决多扩张问题。 相对性指信任偏好差异和认知差异两种情况。前者指不同主体对不同来源的知识具有不同的信任程度。后者指不同主体对同一事物具有不同的认知，又可分本体建立、集成时出现的不一致TBox，以及本体应用时出现的不一致ABox两种情况。由此引起的问题主要包括：1)相对知识的表示和解释问题。2)相对知识的推理及其可判性问题。当前以C-OWL为代表的研究主要考察认知差异引起的知识表示问题。相对知识的聚集容易产生矛盾，其推理问题与不一致性问题密切相关，但这些问题大部分尚未得到解决。 不一致性和相对性问题严重阻碍了语义Web的发展。在基于本体推理的知识管理和应用中，如何解决不一致性和相对性问题正成为当务之急。本文使用信念格扩展描述逻辑为信念描述逻辑，并在信念描述逻辑BALC的基础上，研究解决了语义Web中知识表示和推理的不一致性和相对性问题。主要包括： 1)针对语义Web经常遇到矛盾化解困境的情况，借鉴推理不完全可判但意义更直观的标记逻辑的基本思想，提出信念描述逻辑BALC，并基于tableaux算法，证明BALC推理具有可判性，解决了由矛盾知识导致的不一致性问题，从而支持了语义Web一致性难题的解决。 2)针对信任偏好差异，基于信念描述逻辑，设计信任距离并将其映射到信念格上，从而提出并设计个性化本体推理机，解决了由信任偏好差异导致的相对性问题，以及引入信念格后产生的信念标记添加问题，促进了语义Web的个性化发展研究。 3)针对认知差异，使用视角扩展描述逻辑SHI为视角信念描述逻辑BSHIV，解决了由认知差异导致的相对性问题。引入择优推理并证明其可判性，避免新增知识加剧知识集的不一致程度，为实现知识集成和融合“求同存异”的目标迈出重要一步。 4)针对大规模模型集成的自动化和智能化难题，基于本体，设计了模型的PLM表示法，并设计实现了具有高扩展性、开放性、自动化和智能程度的模型集成方法。最后对集成方案的选择难题，尝试使用BSHIV进行了解决研究。