随着互联网的飞速发展,网络上的数据也出现了爆发式增长,在带给人们方便的同时,也使得人们获取有效的知识变得越来越难。本体作为一种对知识的有效管理及应用方法开始被广泛地应用到各个领域,但是构建的本体中会存在隐性知识。推理机可以很方便的对于本体中的隐性知识进行显化。目前常用的推理机都是通过描述逻辑推理算法或者规则推理算法来实现对整个本体的推理,本体中的Abox部分通过描述逻辑推理时,需要考虑整个实例层的情况,效率较低,并且在对于隐性知识显化方面,描述逻辑几乎不能实现。Tbox部分通过规则推理时,无法保证推理的完备性。针对以上情况,本文研究了现有推理机的推理算法和特点,并分析了推理机在本体推理中的性能,通过构建组合推理模型来扩展了推理机的功能,提升了推理的效率。主要完成的工作有：讨论了本体论及知识推理方面的研究成果,研究了本体知识推理的机制和实现技术。比较分析了目前常用的通用和专用推理机的特点,并根据推理机的特点构建了组合推理模型。在进行推理的过程中,通过OWL API实现了本体中Tbox和Abox的分离。对于Tbox部分采用了Pellet进行推理,对于Abox部分将相应本体公理改写为实例化的规则后采用了Jena进行推理。在推理的过程中通过对本体推理规则的归并操作进行了优化,提升了推理的效率。分析比较了现有的本体构建方法,并通过Protege实现了本体的构建,并且,根据构建的本体的特点,定义了一部分推理规则。最后,通过实验验证了组合推理机的性能。并结合构建的本体实现了一个本体的推理查询系统。通过该系统可以实现对本体中的概念和实例的查询。并且通过自定义规则,能够获取其中的隐性知识。