随着大数据的发展,企业一方面拥有了海量数据资源,另一方面却面临着数据爆炸而知识匮乏的问题。由于知识在企业决策中的重要性日益凸显,如何从数据资源中发现多层次知识以支持不同场景下的决策已经成为企业迫切寻求解决方案的重要问题之一。传统的知识发现研究忽略了领域知识的辅助作用,导致过度技术导向和大量冗余挖掘结果等诸多问题。本文考虑到领域知识对知识发现的约束和指导作用,通过对领域知识进行知识表示,将领域知识引入知识发现过程中,研究如何在领域知识的基础上从数据集中挖掘多层次规则知识的相关问题。首先,针对领域知识的知识表示问题,本文采用本体表示法表示领域知识,提出一种多层次的领域知识本体模型。该模型由领域内的概念、属性和实例等元素组成,自上而下、由具体到抽象地分为基础层、概念层和实例层,从多层次且多维度刻画领域知识,为领域知识本体构建提供新的思路。聚焦于具体的服装零售领域,构建服装零售知识本体,实现该本体的可视化,检验了所提出领域知识本体模型的可行性。其次,对于基于领域知识的多层次规则知识发现问题,本文在具体的算法方面,将本体和关联规则挖掘相结合,对FP-growth算法进行三点优化调整,提出一种基于本体的多层关联规则挖掘算法,以挖掘具有本体信息的多层关联规则。为解决挖掘结果中可能存在的冗余问题,利用规则过滤方法对多层关联规则中的三种冗余规则进行过滤,有利于提高规则知识的价值。最后,本文以具体的服装零售领域为例,在某服装零售企业的真实数据集的基础上进行算例分析,用所构建的服装零售知识本体表示领域知识,应用基于本体的多层关联规则挖掘算法和规则过滤方法,从数据集中提取多层次规则知识。本文提出领域知识本体模型和基于本体的多层关联规则挖掘算法,利用真实数据集进行实例验证。本文的研究以服装零售领域为例,其他领域亦可参考和借鉴。此外,本文的研究不仅为领域知识的知识表示和基于本体的多层关联规则挖掘提供了新的思路和方法,而且还在一定程度上为完善基于领域知识进行知识发现的研究提供支持。