在过去几年中，随着人们对语义网和数据挖掘两个研究领域的兴趣已经日益增加，基于RDF数据的关联规则的挖掘方法引起了人们的极大关注，从基本介绍到理论研究，由理论探讨到试验与应用，逐层递进，不断深入。然而，很少有人做挖掘语义网数据本身的工作，也就是语义网数据挖掘的工作。RDF数据挖掘技术也已经应用到了许多领域，我们坚信该研究会给许多特定领域的研究活动带来很大的益处，例如临床和牛物医学领域，除此之外还能应用于许多其他涉及复杂的、异构的数据的一些领域。　　本文主要通过了解语义网数据挖掘技术的相关知识，然后进行统计数据整理，分析语义网数据挖掘技术在临床和生物医学中的具体应用，以及在实际应用中存在的问题和解决方法，包括以下几个方面的内容:　　首先是理论基础，主要包括RDF数据模型，模式定义语言RDFS，本体描述语言OWL，以及SPARQL查询语言的介绍。然后是数据挖掘的过程，用户要根据扩展的语法来指定挖掘的模式后根据用户已经指定的挖掘模型来产生事务，并将得到的事务集使用传统的关联规则算法来进行处理。接下来是生物医学领域的关联规则挖掘，本章将要通过实验来证明我们的方法能够将语义网中的数据变成基于语义的事务，最终这些事务集将会产生高质量的关联规则。最后是关联规则挖掘扩展，由于本文关注的是如何将现实世界的信息以三元组的形式表示出来，因此前面章节主要用传统的关联规则算法，在本章中将要扩展几种其他的关联规则算法。