基于描述逻辑的本体是构建下一代互联网——语义Web的重要基础。本体语言使用含有语义的元数据对分布的网络资源进行描述，并利用描述逻辑提供的推理工具，作为知识共享的媒介，使计算机能够自动理解和处理网络知识。 然而由于网络的开放性、离散性等特点以及本体模块化建模、本体应用领域差异等原因，造成构建的本体也具有离散的特点。这在本体的应用过程中将产生诸如知识库不一致、推理不准确、难于部分复用等结果，迫切需要一种能够支持本地化描述和理解上下文语义的模块化本体语言，在对本体进行映射和集成的过程中，消除由于模块化带来的各种问题，并在此前提下进行正确的知识推理。 由本体知识的开放性特点引起的另外一个问题是知识获取中的“信息过载”问题。本体与传统的数据和应用不同，基于Open—world假设的本体知识在理论上是无限的扩展的，这种假设一方面使得本体知识能够非常容易得到扩展，也符合Web的根本特征，但另一方面也限制了本体在实时系统以及移动便携设备等要求轻量级的本体知识的应用。因此，研究如何表示以及提取与上下文相关的知识，将是本体应用研究的一个重要方面。同时，由于构建上下文的特殊性，多个上下文本体（或者多个源知识本体）同时存在的情况非常普遍，因此需要利用本体的模块化方法对多本体上下文进行整合再进行知识获取。 本文针对上下文相关的知识获取问题，结合对模块化本体语言的研究，提出了一种面向多本体上下文的相关性表示方法及其推理算法。论文主要研究成果如下： （1）对模块化本体语言进行了深入的研究与分析，比较了现有的DDL、ε—connections和P—DL等理论的优势与不足，基于P—DL给出了一种符合多上下文相关性表示需求的模块化本体表示方法，并通过对现有的OWL本体建模语言增加约束，给出了一个模块化本体的OWL兼容性解决方案； （2）针对多本体上下文获取轻量级相关性知识的需求，给出了面向多本体上下文的相关性表示模型的形式化描述，以及从源本体中获取上下文相关知识的推理算法； （3）最后，基于OWL API和Protégé本体编辑开发平台，实现了一个面向多本体上下文相关性知识获取的模型验证插件系统，验证了该方法的有效性。