随着国家科学技术水平的发展,数据源不断的扩增、更新,人们想要从大量不断更新的数据中获取更多有价值的内容就要从知识元出发做更深入的挖掘。知识元语义集成是在知识元抽取与标引的基础上,考虑知识间存在的语义关系,引入语义一致性的特性,以此找出新的有价值的知识,其过程是为解决某个领域中的问题而对有限的知识资源进行集成。现阶段,集成有限知识资源的方法中,考虑了知识元间存在的语义关系,但是忽略了知识元间存在的模糊语义关系。为此,本文从知识的最小粒度出发,利用模糊Petri网模型模糊性表示知识元间的联系性质,基于知识元理论和本体理论,提出了一种基于模糊Petri网的知识元语义集成方法,以丰富知识间的语义信息。首先,本文阐述了知识元集成以及模糊Petri网的研究现状,总结了实现知识元集成的方法,并提出每种方法存在的问题。其次,详细介绍和总结了知识元、本体和模糊Petri网的相关理论。再次,在模糊Petri网和本体的理论基础上,构建模糊Petri网本体模型,并分别通过模糊熵原理和Microsoft Visio工具确定知识元间的模糊语义关系及构建基于知识元的模糊产生式规则,以此实现模型元素的映射,再通过本体编辑工具构建知识元本体,实现有限知识资源的自动整合,进而提出一种基于模糊Petri网的知识元语义集成方法。最后,以医药卫生和食品工程领域相关文献数据为例,在Eclipse和JDK实验环境下,选用Jena推理机对本文提出的基于模糊Petri网的知识元语义集成方法进行实例验证,结果表明该方法在一定程度上具有有效性、可行性和实践性,同时丰富了知识元间的语义关系。本文提出的基于模糊Petri网的知识元语义集成方法,能够从知识单元的最小粒度出发,深入分析并丰富知识元间的语义关系,在一定程度上增强了知识元间的有效关联,在用户的学习效率和深度上提供了很大的帮助,同时对解决知识元集成中存在的问题提供了一定的参考价值。