结构映射引擎SME(Structure Mapping Engine)是在结构映射理论SMT(Structure Mapping Theory)的基础提出的一个类比推理计算模型。它主要是从一些已知知识也即旧知识中寻找与新知识最为相似的一项,利用新旧知识结构之间的相似性,建立新旧知识之间的联系。学习者可以利用已知知识与新知识之间的联系来学习新知识。SME类比推理计算模型主要存在两个问题,一是已知知识结构和部分新知识结构需要人为的给出,这样使得产生知识结构过程麻烦、不准确;二是计算的词汇语义相似度值为0或1两个数值,使得最后产生的类比用例不能确定,甚至不能产生类比用例。针对上述两个问题,本文主要在研究关系型数据源的基础上,将基于“知网”的语义相似度计算和形式背景同构加入到类比推理模型中,用形式背景表示知识的结构,用基于“知网”的词汇语义相似度来计算词汇的相似度,并产生改进模型。本文所做主要工作和主要贡献如下:1、将基于“知网”的语义相似度计算方法应用于类比推理计算模型。传统的类比推理模型计算词汇语义相似度值为0或者1的离散值,这样使得找出的类比用例不确定或找不到类比用例。针对这个问题,本文将一种基于“知网”的语义相似度计算方法应用到改进模型中,计算出的概念相似度值是0到1之间的连续值,解决了上面存在的不足。2、将形式背景同构应用于类比推理计算模型。传统的类比推理模型需要人为的给出已知知识结构和部分新知识结构,这样使得结构产生的过程不准确,复杂等缺点。本文将形式背景作为领域知识结构,从关系型数据源中半自动的生成形式背景,使得知识结构的生成更方便、准确。解决上面存在的不足。在此基础上,本文对SME模型进行改进,并产生改进模型。通过调查问卷的方式,验证了改进模型产生的类比用例比传统模型产生的类比用例能更好的帮助学习者学习新知识。