云计算和大数据时代,数据比算法更能深刻的影响计算结果。根据需求度量价值的原则,以按需服务的视角来理解价值,那么价值即服务,即VaaS（Value as a Service）。从数据中发现价值信息并为用户所用,就可以理解成从数据中按需进行价值服务发现的问题。面对互联网上的各种数据资源,如何从中获取知识以支撑价值服务的发现成为亟待解决的一个重要问题。数据规模的剧增以及数据本身结构的复杂性,增加了价值服务发现的难度。另外,用户需求的多样化和个性化,使得为满足用户需求的价值服务发现变得更加困难。面对这些困难,本文拟解决的关键问题是:“如何从不断涌现的数据资源中获取知识,用以支撑按需价值服务发现”。针对该关键科学问题,本文的主要贡献如下:（1）提出了一种基于SVM的迭代式主题分类方法,用于从主题视角对数据资源进行组织,并获得相应的主题知识。该方法从确定领域的数据集中收集其描述文档,基于向量空间模型将文档统一转换成向量形式,然后使用迭代式主题分类方法对数据集进行面向主题的分类。在分类的同时获取以主题词汇排序表为基础的主题知识,为下一步面向子主题的聚类作好准备。（2）提出了一种基于LDA的导向式子主题聚类方法,用于对分类后的数据集进行更细粒度的组织,并获得更细化的主题知识。该方法首先在特征降维的基础上对特定主题的数据集描述文档进行面向子主题的聚类,以得到该主题包括的子主题类簇集。然后计算每个子主题类簇中的数据对象与其所在子主题类簇的相关度,并按结果排序,同时获取更加细化的以特征词排序表为基础的主题知识,为按需价值服务的发现提供支持。（3）提出了一种基于RGPS的渐进式按需价值服务发现方法,用于发现满足用户需求的价值服务。该方法基于面向主题分类和面向子主题聚类后得到的主题知识,首先将用户需求定位至主题,然后再定位至子主题,最后将相似度计算的结果和过滤策略结合,以快速发现所需价值服务。（4）结合应用场景使用该方法进行价值服务发现。通过在云服务超市中的应用,展现了面向主题知识的按需价值服务发现方法的实际应用价值。将主题知识应用于构造知识本体,体现了该方法的潜在应用价值。本文围绕“如何从不断涌现的数据资源中获取知识,用以支撑按需价值服务发现”这个关键科学问题的解决,在面向主题分类和面向子主题聚类的基础上,将主题知识与相似性计算结合,利用多种过滤策略,渐进式进行按需价值服务发现。面向主题的分类和面向子主题的聚类是从不同角度、不同层次和不同粒度对数据资源的组织和管理,在这个过程中,主题知识逐步呈现,为按需价值服务发现提供了支撑。