为了阐述网上智能中的知识发现,该文以电子商务中的知识发现为例,具体分析了在B2C电子商务网站中进行知识发现的流程、技术和应用,并对未来的发展进行了展望.该文采用的知识表达机制主要是贝叶斯网.结合国内外最新的研究成果,我们概括了贝叶斯网模型的学习、推理方法和应用情况,讨论了贝叶斯网未来的发展方向,并提出了一种改进的EI-B&B-MDL算法.该算法充分利用贝叶斯网自身结构特点和样本信息所体现的知识,在利用条件独立性测试有效压缩搜索空间的基础上,再次利用所学的互信息知识引导B&B-MDL评分搜索过程,加快了算法的学习过程.实验表明:该算法在保证学习精度的前提下整体的时间性能比原算法有较大的改进.基于上述工作,该文探讨了贝叶斯网模型在网上智能的两个重要领域——网上推荐系统和网上智能教学系统中的应用.针对网上推荐系统的个性化问题,该文设计了一个基于贝叶斯网客户购物模型的推荐系统,它把推荐过程形式化为客户购物信息的知识表达和不定性知识的概率推理过程,并把群体客户的一般特征和客户个性的行为特征结合在客户模型的学习中.为了实现更深层次的个性化推荐,该文又提出了一种基于多级客户模型的个性化商品推荐机制.该机制首先利用客户的购物事务库得到客户购物模型,通过推荐引擎的推理得到每个客户各自的推荐集合,然后利用客户自身的偏爱和消费模型,进一步对推荐集合中的商品类进行定制和定位,过滤出客户喜爱并有能力购买的商品,完成个性化的商品推荐.这种方法借助多级客户模型从客户的购物需求、偏爱特征和消费能力三方面捕获客户的实际需要,凸现了客户的真正需求,提高了推荐效果.