论文章节安排，按照语义网的层次结构，从数据层，本体层，知识层分别进行介绍。语义网的任务是在互联网环境下，对结构化的数据进行语义层面的操作，语义集成和数据交换是语义网的两大典型应用。数据，模型，知识，规则与算法仍然是语义网技术研究的重点，网络与安全技术用于帮助在互联网上进行数据的高效可靠传递并构建一个可信任的语义网。

前面四章作为介绍与探讨，避免重复，后面两章的应用重点描述，深入细致。我想这样语义网的研究应该比较全面了。只探讨主流的语义网技术。网络相关的技术直接搬用即可，不在我们研究的范围之内。语义网的七个层次结构可以进一步抽象为一个三层的结构，在一个互联网环境的容器之内，而其中数据层，本体层又可认为是在知识层这个容器之内。这个结构是一个可信任的环境，其中用户从事集成，交换等应用。

这两点，在以前的文献中并没有正式提出过。

3.本地本体向全局本体的归并问题，需要考虑到本地本体这些图模型中是否有概念需要归并，判定依据是存在一个以上的概念，并且概念有共同的属性。全局本体本身有较大的内存开销，增加判定会加大计算复杂性，但很必要。这里也需要借用知识库，对RDF图模型进行处理。 这一点，也是首次提出。

4.由于语义映射的多样性，带来的RDQL语句分析，XQuery语句构造等，应结合本体模型给出正式的算法。 在以前的文献《本体构建与语义集成研究》中只是提出，但没有详细给出。

5.在本地本体的构造，全局本体的构造过程中产生的映射表，这些表里面有很多信息。但这些表之间有一定的关系，可以建立他们的视图。用视图方式，可以改进语义集成中的查询转换算法，可以减少数据交换应用的复杂性。  每次操作都访问太多的本体，会涉及较大的本体读写开销。  在《数据交换模型研究与实现》中有类似的思想。

6.仍然采用改进的RDF模式作为本体，在构造查询转换算法的时候不需要考虑本体的推理。但这个模型应该加入了知识库，逻辑和规则，在提交RDQL查询的时候，可以结合知识库中的概念，逻辑和规则进行一些概念推理的分析。因为我们提交的RDQL查询并不一定完全匹配与我们构建的全局本体模型，他可能匹配某些本地本体模型中的概念。 这一点，也提出。

7.自然语言的接口问题，是比较复杂的问题，目前还没做深入细致的思考。如何把自然语言直接转化为RDQL语言。这个工作还需要有人去做。

1,将Tim Berners-Lee提出的七层结构，抽象为一个三层结构，数据层，本体层，知识层。这个三层结构在一个互联网环境之内。其中，两层结构数据层，本体层又可以看作在知识层这个容器之内。这个语义网结构下将会有两大主流的应用，集成和交换。
2，文章只探讨主流的技术，XML,RDF,OWL,知识库，Logic, Rules。在这些主流的技术上进行研究，研究的内容有XML向RDF本体的构建，在知识库与规则集的环境下，设计语义映射参照器，语义关系发现器，本地本体向全局本体的构建，详细的查询转换算法等。
3，改进了很多东西。如，一，XML向本地本体的转换过程。包括三个步骤，先依据XML，XML Schema以及知识库，识别出领域中的概念，建立领域概念模型，有必要的时候并对XML Schema, XML进行调整和更新；然后依据调整后的XML,XML Schema,和映射算法，构造包含结构语义的本地本体；最后融合这两个模型，得到我们需要的本地RDF本体。二，本地本体向全局本体的归并，需要判定本地本体之间是否有至少一个共同的概念和属性。这个判定需要结合知识库，对归并本身带来一定的复杂性。如果没有共同的概念和属性，则不需要进行归并，即两个本体之间并没有相似的数据。三，查询转换算法，RDQL语句的分析，Xquery语句的构造中，由于语义映射的多样性，在处理RDF图模型的时候并非是等价映射，给出细致全面的算法。四，RDQL查询语句分析时，借助知识库中的概念，进行概念的推理，因为提交的RDQL查询语句并不一定符合全局本体的RDF模型。五，对映射表，建立视图，满足数据交换需要，改进语义集成应用。
4，自然语言处理方面，笔者还没进行细致的研究，还需要有人去做自然语言处理与RDQL转换的工作。

这个问题可以规避，在提供RDQL查询的时候，限制用户输入的概念。使用的概念为全局本体模型中的概念。因为自然语言处理特别是分离概念的时候，需要领域专家的参与。