在事务数据库中挖掘关联规则一直是数据挖掘的热点问题。Agrawal提出了经典的基于频繁项集的Apriori算法,算法产生规则是以交易数据的数据库内容为基础进行匹配。随着数据库应用及规模的快速增长,使得很多巨量数据库难于分析,为了有效的提高发现过程,利用本体表示背景知识的数据挖掘方法得到广泛的研究。　　在实际应用中,通常在本体中引入模糊逻辑表示概念之间的模糊关系。隶属度的值评估一个概念间的相似性。现在模糊本体已经应用于很多领域,比如文本检索、文本挖掘等领域。通过模糊本体表示的领域,丰富了挖掘数据之间的语义关系,能够得到更多的有意义的关联规则。论文首先实现了对本体进行持久化;然后按照建造本体的“七步法”对引入的领域本体进行了修改,为本体中同层的“兄弟”项目节点通过添加权值表示相似度强度,创建领域本体;最后结合领域模糊本体,提出多重最小支持度的广义频繁项集算法,分析实验结果。　　在上述研究成果的基础上,实现了算法。最后,通过程序运行结果表明,利用模糊本体支持的关联规则是可行的。