概率网是人工智能学科表示并处理概率知识的一类图模型方法.多源概率网整合是全面进行概率知识表示和推理研究中的重要问题.已有工作大多限于贝叶斯网、影响图和可能性网等定量概率网的整合,较少考虑到概率知识只能定性表示或只需定性表示时的定性概率网(Qualitative Probabilistic Networks, QPNs)整合.基于上述问题,本文结合不完整数据,研究QPNs符号整合方法和三种情况下的QPNs结构整合方法.具体内容包括：1.提出基于定性互信息的歧义性约简方法.严格定义定性互信息,在此基础上提出可区分影响强度的增强QPN,并证明其性质,给出多项式时间的歧义性约简方法.2.设计并实现基于定性互信息的QPNSI符号整合算法.将歧义性约简方法扩展到多个结构相同的QPNs符号整合中,提出QPNSI整合算法,分析了算法的时间复杂性.3.设计并实现具有相同节点的SNQPNI结构整合算法.基于粗糙集理论,采用概率正域求解属性依赖度作为定性影响的强度,解决整合时涉及到的关键问题,提出SNQPNI整合算法,分析了算法的时间复杂性.4.设计并实现时序环境具有相同节点的TQPNI结构整合算法.定义时变QPN(TQPN),通过考虑其中的自身环等问题,提出基于粗糙集理论的TQPNI整合算法,分析了算法的时间复杂性.5.设计并实现具有不同节点的DNQPNI结构整合算法.由SNQPNI算法整合思想,得出合并后的初始QPN,基于粗糙集理论,通过向其中添加缺失边和删除冗余边,提出DNQPNI整合算法,分析了算法的时间复杂性.