关联规则是数据挖掘领域一个重要的研究课题,其目的就是在数据库中发现数据项之间的隐含关联。在研究正、负关联规则挖掘的基础上,将挖掘算法应用于社保审计领域,获得隐含在审计数据中的特征影响因子,进而挖掘审计数据项间带有负项的关联规则,分析其内在的审计意义,将有助于审计方法的改进。本文在总结国内外相关领域研究成果的基础上,介绍了数据挖掘和关联规则的基本理论,包括数据挖掘的基本流程、关键技术、关联规则的分类方法以及正、负关联规则的基本概念,并结合多种知识探讨关联规则的正确性问题；对结构化数据的预处理问题,在总结和深入研究的基础上,对数据清理和转换问题进行了探讨；针对审计特征影响因子挖掘问题,提出了一种基于散列表的挖掘算法：MHP算法,从而将频繁项集挖掘与审计特征影响因子发现过程相结合,并应用于社保审计数据集,对算法的性能和挖掘结果进行分析；分析了正、负关联规则挖掘算法中的一种典型挖掘算法：PNARC算法,针对算法中不足之处,提出了一种基于最小相关度和双重置信度的PNAR_M算法,并对算法的性能进行了实验验证；将两种算法应用于审计数据集,挖掘审计数据间带有负项的关联规则,并对挖掘结果进行解释,最终阐述其在审计上的重要意义。