数据挖掘就是从大量数据中提取和挖掘知识，故又称为数据库知识发现。关联分析发现关联规则是数据挖掘中最活跃的领域。在很多情况下，用户关心的只是关联规则的一个子集，因此科研人员引入了约束关联规则的概念。本文对关联规则和约束关联规则挖掘算法进行了研究和分析，发现基于候选集的约束算法仍有很大的缺陷，主要问题是： 1．需要反复扫描数据库 2．产生大量的候选集 因此基于候选集的约束算法在挖掘低支持度、长模式的规则时效率低下。本文分析了这些算法，提出了基于H-Mine算法的Con-H-Mine项目约束算法(Constraint-based Hyper-Structure Mining)，该算法仅需扫描两遍数据库，并且采用模式增长的方法不产生候选集；采用Con-H-Struct(Constraint-based Hyper-Structure)结构存储数据集合，减少了空间的开销。同时该算法也可以适用于大型数据集，在进行数据集划分时能够有效地进行空间度量。 通过以上改进，设计出一个较好的、有效的数据挖掘算法，效率有所提高，优化了关联规则的挖掘。并以此算法为基础设计出一个个性化网站的原型系统并验证了可行性。