随着互联网技术的发展，大量的数据资源不断涌现，信息变得更加复杂，如何从海量信息中获取有用的知识成为亟待解决的难题，基于语义关联的数据模型是解决该问题的一种有效方法，这主要包括两个方面：1)语义关联数据模型，即基于语义关联的数据表达和组织结构模型；2)在语义关联数据模型的基础上，更加有效的、智能的检索机制。围绕以上两个方面对语义关联数据模型中的若干问题进行研究，主要工作包括以下内容：针对目前语义数据检索缺乏语义关联分析和知识评价的问题，提出了支持知识评价的语义关联数据模型RSS。语义数据不仅包括数据资源，而且包括资源之间异构的语义关联。RSS是一种支持知识评价的语义关联数据模型，该模型充分发掘知识实体之间语义关联的异构性，以决定知识实体的全局重要性；检索结果扩展到与查询请求语义最相关联的知识实体，并结合资源的全局评价值和查询关联度，对检索结果进行合理的排序。该模型能有效的支持推理并将检索结果扩展到语义关联的实体；同时能有效支持知识实体的评价，防止返回大量无序检索结果。针对当前语义数据检索主要采用复杂的本体查询语言，从而造成用户认知困难的问题，提出了一种基于关键字的语义检索机制，该方法是RSS模型中非概念约束检索机制的扩展。当前的语义数据检索主要采用标准的W3C本体查询语言，但是基于关键字的检索机制仍然是一种可行且更加实用的方法，因为普通用户无需理解后台的语义数据结构。在本方法中，满足关键字查询请求的答案被定义为包含所有查询关键字的连通子图，且该答案为最小化，即其任意的真子图不能成为满足该查询请求的答案；检索的答案具有明确的语义，表达查询关键字之间的语义关联性以及关联程度，为实现大规模的语义数据图中有效的Top-κ检索，提出了一种时间复杂度为多项式的近似检索算法。针对数据的语义模糊特性及用户的搜索偏好，提出了一种在RSS模型中支持模糊语义的检索机制。由于语义应用的内在复杂性，智能的、能更好满足用户检索请求的检索机制仍然是具有挑战性的问题。通常，用户检索请求不仅具有模糊性或不精确性，而且包含个性化的检索目标请求。该检索机制通过紧密的结合知识模糊性以及能表达用户偏好的主观权重，对用户请求进行规范化的模糊知识表达，并智能的检索与用户请求相关联的数据；同时，提出了一种评价方法，该方法支持用户模糊请求以及个性化需求，能有效的获取用户检索目标。针对基于对等网络的信息检索缺乏语义的问题，提出了一种基于语义小世界的数据检索机制。大规模的基于对等网络的信息检索／共享系统越来越受到人们关注，是RSS模型需要支持的重要应用，但是如何有效的组织对等网络中共享的信息并搜索到用户需要的查询结果仍是待解决的重要问题。首先使用潜在语义索引和支持向量机将网络中的共享文档准确的分类，形成分类信息，该信息标志节点对文档类别的兴趣比例；然后利用社会网络中的小世界现象，使每个节点都有直接相连的与其文档兴趣相似的短链接节点，同时，每个节点有极少的某一种兴趣比例非常高的长链接，从而形成具有语义小世界特征的网络拓扑；查询消息被路由到最有可能回答该请求的节点以提高查询效率，并充分利用长链接使消息快速的路由到网络中的其它部分，提高信息检索的查全率。