随着Internet上信息量爆炸式地增长,网络环境的日益复杂,出现了“信息爆炸但信息贫乏”的现象。面对浩瀚的信息,用户却无法得到对自己真正有价值的知识。如何从分布的海量数据中挖掘出潜在的、有用的知识?如何获得主动的、具有智能化的个性化服务?将是我们所面临的问题之一。而移动代理技术和数据挖掘技术、本体技术的结合乃是解决上述问题的有效途径之一。 作为领域模型,本体为人们提供了对领域概念和概念层次的共同理解,也有效地降低了人们对自然语言理解技术的依赖。我们首先在介绍了本体的相关概念后,分析研究了基于本体的个性化用户模型表示、生成算法。介绍了数据挖掘的相关概念之后,分析研究了基于聚类分析的用户分类算法。在介绍了移动代理的相关技术及多代理交互中存在的问题之后,分析研究了基于本体的联盟式多Agent交互模型。最后我们提出了一个基于多代理系统的个性化数据挖掘系统模型,并给出了相关算法。该模型采用多Agent技术,首先对系统的样本用户分类,然后针对每类用户建立个性化用户模型。该系统能对访问该系统的用户进行归类,同时能实时监视用户浏览过程,记录用户访问过的Web内容和用户反馈,分析处理并修正用户的个性化本体;根据领域本体提供一个交互界面供用户学习并构建自己的个性化信息需求。多个Agent通过协商与合作,构成了一个有机的MMAS(multi-mobile agent system),通过任务共担等合作方式,完成传统数据挖掘系统无法完成的分布计算任务,提高了数据挖掘效率,并有效地降低了分布计算中的网络负载,提高了通信效率。