随着信息技术和电子商务的不断发展,web环境下的知识发现和决策支持模型研究正在成为电子商务、管理科学以及人工智能等领域关注的一个新的热点。研究基于web挖掘的知识发现和智能决策支持系统模型具有重要的学术价值和现实意义。本文研究的主要内容如下:总结和回顾了数据挖掘的过程,方法、功能以及各个阶段的任务和目标,阐述了web数据挖掘的概念和主要任务。建立了基于概念特征向量的web文档分类模型。为实现对半结构化web文档的有效管理和分类,提出了概念特征向量的概念,阐述了概念特征词的提取及其权重的计算方法,并构造了基于概念特征向量的NB和关联规则的web文档分类模型,最后通过实验验证了基于概念特征向量的web文档分类模型的有效性和正确性。建立了基于web使用数据管理的知识发现模型。阐述了用户浏览行为的URL-UserID关联矩阵表示方法,建立了基于URL-UserID关联矩阵的web页面聚类模型、web用户聚类模型;建立了基于相似用户群的多马尔可夫链用户浏览行为预测模型,构造基于相似用户群和后缀树的最大频繁序列挖掘模型。探讨了语义web环境下的知识发现模型。阐述了语义web的产生背景、语义web体系结构和web本体等内容。详细描述了领域本体的表示模型,讨论了基于领域本体的web页面分类过程,建立了基于领域本体的web页面分类模型和基于语义用户分布的web使用知识发现模型。分析并建立了基于语义web挖掘的多Agent智能决策支持系统模型。主要探讨了语义web环境下的智能决策支持系统的体系结构模型,阐述了该模型中各个Agent系统的任务和目标,不同Agent之间的通信以及基于web挖掘的智能决策支持系统实现的关键技术等。最后探讨了基于语义web挖掘的多Agent决策支持模型在智能电子学习系统中的应用。主要分析了智能电子学习系统的决策功能模型,知识体系的表示以及相关库的设计等,讨论了智能电子学习决策支持系统的体系结构及其各个子系统的任务。