本体映射旨在构建异构本体间的语义桥梁,以实现不同本体间的知识共享和信息交流。但是,随着本体应用的不断发展,本体规模也在不断壮大,当前出现了一类概念数量庞大、相互之间关系复杂的大规模本体。实现大规模本体间的映射成了语义网研究的热点和难点。本文将着重对大规模本体的映射进行研究。首先,论文简要介绍了课题的研究背景和意义,对目前大规模本体的分块和映射方法进行了归纳总结,并分析了这些方法面临的主要问题,为本文的研究工作指明了方向。然后,从图论的思想出发,提出了一种基于二部图模型的大规模本体分块与映射方法。相对于传统的独立分块,该方法在分块阶段采用关联分块的思想,完成对本体的同步分块和块间匹配,并考虑了两个本体间的互信息对分块的影响。它首先结合文本相似性和词义义相似性计算本体实体间的语义相似度,然后,以本体间语义相似度值为依据,建立起一个本体带权二部图模型,将本体关联分块问题转换成图分割问题,接着在分割后的子图内采用扩展的二部图最佳匹配来发现1：1映射,并通过映射修正来提高映射质量和增广映射类型。接着,针对利用相似度值获得的等价映射缺乏语义背景知识的特点,制定基于语义约束的映射修正规则对候选映射集进行语义修正,通过发现遗漏的映射和消除冲突映射来获得最终的语义映射结果。最后,根据上述研究,设计并实现了基于二部图模型的大规模本体分块与映射系统BGPM。并采用了来自OAEI的本体数据作为测试集,将BGPM与其他大规模本体映射系统进行了实验比较。实验结果表明,该系统的分块质量和映射效率均较优,且能发现较广的映射类型。