针对传统本体构建既费时又费力等问题，设计了一种基于Web的领域本体半自动构建方法，提出了基于word2vec的领域本体概念抽取算法，采用基于中英文词典的方法抽取同义关系，研究了基于特征向量的上下位关系抽取算法。最后将基于Web的领域本体半自动构建方法应用于数字图书馆气候变化领域，实践表明，该方法大大缩短了本体构建的周期，减少了人工参与。?0 引 言?本体构建是本体应用的基础，随着本体的理论研究逐步深入和在工程实践中的广泛应用，形成了许多的构建方法和构建工具。但本体的构建过程仍需要通过人工的参与，人们凭借一定专业领域知识，依据自己的知识和理解主观地判断概念之间的关系。这种依靠人的经验和知识积累的本体构建方式非常费时费力，成为领域本体发展的一个瓶颈。因此，为了减轻人工工作量，缩短本体构建的周期，人们期望可以自动半自动地构建本体，提高本体构建的效率和自动化程度，于是本体学习的概念就被提了出来。?本文对领域概念的抽取和领域概念间关系的抽取等关键技术进行了深入研究;采用了基于word2vec的领域本体概念自动抽取算法，并采用迭代算法
