计算机辅助创新设计平台(Innovation Knowledge Cloud,IKC)是以创新理论(Theory of Inventive Problem Solving,TRIZ理论)为脉络,重组科学原理及专利等知识,为设计者提供创新理论及创新案例知识的公共服务平台。基于TRIZ的创新设计过程是一种基于情景的类比创新设计过程。针对同一问题,应用不同的创新原理及可借鉴的创新案例可获得多种不同的解决方案。如何使设计者快速准确地检索到可借鉴的创新原理及创新案例,是本文关注的要点。数据挖掘技术为创新知识的个性化推荐提供了一个切实有效的解决途径。利用数据挖掘技术,可帮助我们从海量的数据资源中抽取出有价值的信息,为创新知识推荐提供基础支持。本文阐述了创新知识推荐的研究背景和研究意义,通过分析国内外在该领域的研究现状,了解了个性化推荐的相关技术,学习了TRIZ的相关理论和工具,在创新理论基础上,运用聚类算法和关联规则算法,提出了一种基于多级筛选的创新知识推荐模型,为设计者推荐关联度高的创新知识。首先,基于问题求解角度提出了创新问题主题的概念,构建了创新主题模型,应用传递闭包方法基于创新主题进行聚类,将相似度较高的创新问题归为一类,并获取相关创新知识。应用TRIZ创新理论,将创新问题获得相应的创新原理,称之为核心原理;并基于创新主题的聚类结果对核心原理进行扩展,获得扩展原理,扩大推荐知识的覆盖面,有效开阔设计者思路。其次,通过记录用户真实兴趣数据分析用户在解决问题过程中对创新知识的潜在需求倾向,利用改进的关联规则算法挖掘原理间隐藏的关联关系,构建知识关联规则库。第三,运用知识关联规则库优化扩展原理集,将创新原理按照关联度高低进行排列,从而保证知识推荐的针对性和优先性。最后,对本文提出的方法进行实验。实验证明,使用本文方法得到的推荐结果具有较高的查准率和查全率,保证了推荐结果的覆盖面和针对性。本文实现的创新知识推荐模型存在一些不足,在未来的学习工作中,需要我们不断完善,提高推荐效率和用户体验。