近年来，随着数据挖掘研究的不断深入，针对不同的问题催生出了各种数据挖掘算法，如神经网络、支持向量机、粗糙集等，在不同的数据挖掘任务中能得到令人满意的效果。但是不同的数据挖掘算法有不同的功能和适用的数据类型；同一个算法在不同数据集上有不同的挖掘效果。在没有专家帮助的情况下，普通用户由于缺乏数据挖掘知识，很难选择出能获得满意效果的算法。这种困难阻碍了数据挖掘技术的广泛应用。　　 本文提出了一种基于本体为用户推荐算法的方案。该方案利用本体存储数据挖掘算法的知识，包括各种算法在不同实验数据集上的性能表现、每个实验数据集的特征等。在用户提交了数据挖掘任务后，提取用户数据集特征，选择和用户数据集相似的实验数据集，根据不同算法在相似实验数据集上的表现为用户推荐合适的算法。　　 本研究设计开发了一个数据挖掘自动实验平台，能对单个或多个实验数据集自动进行批量算法实验，获得各种算法在不同实验数据集上的性能表现。在对大量国外研究者的经验建议进行分析后，确定了6个数据集特征度量指标，实现了对数据集特征的提取。并将k近邻算法的思想运用到数据集相似度比对中，选出与用户数据集相似的实验数据集。本研究通过大量的实验数据，验证了所提方案的可行性。