随着国际互联网Internet的发展和普及,需要面对海量的信息资源,信息内容和层次上的多元性和复杂性,特别是从海量的信息中筛选出少量自己需要的有用的信息资源时,人们有时会感到束手无策。因此,对数据挖掘技术的研究及知识管理是全球信息化发展的客观要求。本文主要基于本体并利用本体的概念层次结构,提出了基于本体的多层关联规则算法ML_AR。关联规则中的最关键因素是最小支持度,它是用来缩减搜索空间和限制生成规则的数目,如果仅用单个最小支持度,就会隐含地假设数据库中的子项有相同的性质或相似的出现频率,为了解决上述问题,提出了一个根据概念层次的上层支持度计算下层支持度的公式。通过该公式所得的支持度是递减的,并且当父层是非频繁项的项,子层有可能是频繁的项,此时还可以把符合这样条件的项回收。如果计算的支持度大于父项支持度,说明上层支持度选取过小,不符合实际数据,则应重新对初始支持度进行调整,从这方面讲,该算法对初始支持度的选择有了一定的评价。另外,针对以上挖掘出来的数据,知识管理系统在检索时存在大量不相关的知识等问题,本文还提出了一个新的知识管理模型框架。本框架利用本体的概念规范、语义丰富、层次关系等特点,并结合本体的知识库和一阶谓语推理引擎对用户的查询请求进行处理,使用户最终检索到与请求内容匹配较高的信息。实验结果表明算法在时间复杂度和空间复杂度是高效的,而且具有较好的性能。