本体作为语义网中表达语义信息的一种方式,一直是语义网相关理论和技术的核心。随着越来越多的本体在语义网上可用并且本体的描述变得越来越复杂,构建没有错误的本体也变得十分困难。造成本体错误的一个重要原因是本体中存在不可满足概念,这就会导致本体不协调问题。本体诊断是解决本体不协调问题的一个重要途径,而且本体诊断对于本体质量的保证起着关键作用,因此对不协调本体进行诊断具有重大意义。通常一个不协调本体可能包含非常多的诊断,极小诊断和最小基数诊断是两种包含较少数量问题公理的诊断。现有的本体诊断的方法是通过扩展一棵碰集树(HST)来计算诊断,通常具有较大的时间复杂度。为了解决以上问题,本文针对不协调本体,设计了两种既可以计算出所有极小诊断也可以计算出一个最小基数诊断的本体诊断方法,分别是基于对偶性的并行化本体诊断方法和分支限界的本体诊断方法。并行对偶性方法是通过探索极小不协调保持子术语集(MIPS)与极小诊断之间碰集的对偶关系和并行化技术实现的本体诊断方法。这种对偶性是指MIPS的极小碰集是极小诊断,极小诊断的极小碰集是MIPS。对偶性方法主要通过利用碰集的对偶性使得对偶的两个过程为彼此提供有用的信息,由于两个过程彼此独立,同时并行技术的应用也变得越来越普及,因此通过将并行技术加入到对偶性方法中,可以用于提高本体诊断的效率。基于分支限界的本体诊断方法使用不相交MIPS覆盖的基数来定义诊断的下界,应用这个下界可以对候选最小基数诊断进行验证。不相交MIPS覆盖是本体的多个不相交MIPS构成的集合,这些MIPS的并集的补集是协调的,因此这些MIPS的并集至少包含一个诊断。由于通过不相交MIPS覆盖只能探索不相交MIPS覆盖的并集包含的极小诊断空间,为了保证算法的正确性,通过使用分支技术来探索剩余的极小诊断空间。分支技术通过从本体中去掉不相交MIPS覆盖的并集中包含的极小诊断的每个极小碰集来构建每个分支,从而保证探索本体的所有极小诊断空间,因此该算法也可以用来计算所有极小诊断。为了验证本文提出方法的有效性,本文分别对各个方法进行了统计在规定时间内计算极小诊断的个数和计算一个最小基数诊断时间的实验。实验结果表明,基于对偶性的并行方法和分支限界算法对于本体诊断具有较好的效果。其中基于对偶性的并行化方法对于计算所有极小诊断具有显著效果,可以在较短时间内返回更多数量的极小诊断。分支限界方法对于计算一个最小基数诊断具有较好的实验效果,可以在较短时间内返回一个最小基数诊断。