数据挖掘是一个融合了数据库技术、人工智能、机器学习、统计学、知识工程、面向对象方法、信息检索、高性能计算、以及数据可视化等最新技术的研究成果的多学科交叉研究领域，经过十几年的研究，产生了许多新概念和方法，特别是最近几年一些基本概念和方法趋于清晰，它的研究正向着更深入的方向发展。关联规则作为数据挖掘研究的一个重要分支，由于关联规则形式简洁、易于解释和理解并可以有效的捕捉数据间的重要关系，从大型数据库中挖掘关联规则的问题已经成为近年来数据挖掘研究领域中的一个热点，也取得了可喜的进步，探索出了许多独具特色的理论体系。但是，这决不意味着关联挖掘理论的探索已经结束，恰恰相反它留给了研究者丰富的理论课题。一方面，在这些大的理论框架下有许多面向实际应用目标的关联规则挖掘理论等待探索和创新；另一方面，随着数据挖掘技术本身和相关技术的发展，新的挖掘理论的诞生是必然的，而且可能对特定的应用产生推动作用，可能融合特定的应用目标，如市场营销、CRM、电子商务等。 本文首先介绍了数据挖掘的定义及主要的数据挖掘技术，并给出数据挖掘的体系结构和运行过程。接着详细描述了关联规则挖掘的基本理论和经典关联规则挖掘算法Apriori算法，其中也包括了规则生成的算法，并对Apriori算法及其改进算法AprioriTid算法和AprioriHybrid算法进行了效率上的分析比较，也提供了关联规则算法改进的7个方向以及适用于关联规则挖掘的部分平台工具的选择，如Oraclc 9i data mining。最后从商场购物分析领域对关联规则的挖掘在商业决策中的应用做了一定的研究，这个研究主要就是通过分析顾客的购买行为，从顾客购买的商品与商品之间、顾客与商品之间两个方面来挖掘关联关系，再对挖掘出来的规则做解释并为商业决策提供一些指导性建议。