大数据时代的今天,怎样从海量的信息中精确的检索到满足需求的信息成为当前信息检索领域的首要任务。语义信息检索是语义网技术和信息检索结合紧密的研究领域,旨在提供一种高效率、智能化的信息检索系统。由于语义异构问题的存在,语义信息检索中使用基于关键字匹配的传统信息检索方式以及传统的语义查询扩展方式已无法满足用户深层次需求。本体论的提出为语义信息检索提供了一种全新的途径。本文通过本体语义相似度计算研究解决语义异构问题。将语义相似度计算与朴素贝叶斯算法用于语义查询扩展实现综合语义查询扩展。本文着重在以下几个方面进行研究与探讨:第一,针对现存的基于本体语义相似度计算不足,改进基于信息内容、基于属性以及基于距离的本体多因素语义相似度计算方法。实验证明改进计算方法计算结果准确度提升。第二,在本体多因素语义相似度研究基础上,使用主成分分析法计算各因素权值给出自适应综合加权算法,该算法与传统的语义相似度算法相比,算法的计算精度有了大幅度提升。提出的本体语义相似度自适应综合加权算法(ACWA)计算结果准确度与参照标准值的皮尔森系数平均高出12.1%。第三,为解决基于本体语义查询扩展中查询词与概念不匹配,提出一种综合的语义查询扩展方法,考虑到查询词与本体概念不匹配问题,利用朴素贝叶斯计算相关度,结合基于本体的语义查询扩展进行全面的语义查询扩展。通过实验对所提出的综合语义查询算法验证。对比实验结果表明,提出的方法对查询性能提升优于其他查询扩展方法。