随着信息技术的迅猛地发展,人类可以更快、更方便地获取数据、保存数据;数据的量和复杂程度都是前所未见。并且随着各行各业都开始采用WEB网站作为营销和CRM工具,所获取的数据正在以指数级的速度增长。然而这海量数据中只有部分数据得到利用,升华为知识,即出现了“丰富的数据”而“贫乏的知识”的尴尬局面。然而,“数据挖掘”—即利用计算机技术来分析处理并提取有用、有趣知识的技术的出现,为这一问题的解决提供了可能。数据挖掘是一个从大量数据中提取有用的、有趣的知识的处理过程。数据挖掘发现的知识模式有多种不同的类型,常见的模式有:关联模式、分类模式、聚类模式、序列模式等。本文着重介绍了关联模式(关联规则)的基本概念、常用的算法和扩展算法,以及研究现状,并指出关联规则挖掘是当前的热门。关联规则挖掘算法中,大部分算法都基于Apriori算法进行计算,其在挖掘过程中会产生大量候选项集,降低了关联规则挖掘的效率;同时关联规则挖掘会得到大量冗余规则,降低了关联规则挖掘的有效性;并且关联规则挖掘之用户交互性能也较差。本文在深入研究现有算法的基础上,为了提高用户数据挖掘的人机交互性能,解决关联规则挖掘产生冗余规则的问题,提出了两种基于用户导向的关联规则挖掘方法—SQL-IIAR算法和Bit-IIAR算法。SQL-IIAR算法是按照用户设置的规则的前件和后件,将原始事务数据库转化为新的包含规则的前件和后件的新的数据库,通过对数据的预处理,并改进Apriori算法的挖掘过程,压缩事务数据库,提高了关联规则的质量和效率。Bit-IIAR算法改进了事务数据库的存放形式,提高关联规则的效率和交互性,采用新数据预处理和用户导向的关联规则数据挖掘,其效率有明显的提高。