关联规则是最常见的知识表示方法之一,关联规则挖掘技术应用于档案管理信息系统中可以发现档案利用者使用档案的规律,以便提供主动服务,保护档案实体安全;发现师资队伍的学缘结构、年龄结构、职称结构是否合理及人才流动原因等,为领导部门制定相关管理政策提供辅助支持,从而极大地提升我国档案信息化管理工作的层次和效率。但目前存在的关联规则算法,或需多次扫描数据库,或产生的候选项集数量巨大,或没有考虑事务间的相关性,而这些相关性在档案数据库中是普遍存在的,因此,这些算法应用于档案数据挖掘效率较低。如何改进现有的关联规则算法,从而可以在档案管理信息系统中推广应用成为目前研究的一个热点问题。为此,本文提出了基于等价类的关联规则挖掘矩阵算法(Association Mining Matrix Algorithm Based on Equivalence Class,以下简称EC-AMMA算法),该算法用数据矩阵存储事务集,只需扫描数据库一次,采用等价类划分来约简事务集,并且运算过程中不产生候选项集。由于最大频繁项集隐含了所有的频繁项集,所以EC-AMMA算法通过求取最大频繁项集来挖掘关联规则,算法把扫描数据库得到的数据转换成布尔数据后,用布尔数据矩阵存贮,矩阵的行表示事务,列表示事务中可能出现的项目,算法充分考虑到事务之间的相关性,采用等价划分的思想,对数据矩阵进行等价类划分,然后利用矩阵中各行的等价关系和频繁项集性质对数据矩阵从行和列两个方向进行约简,最后对约简后的数据矩阵自左向右扫描,利用本文提出的项目相似度在不产生候选项集的情况下,直接求取所有的最大频繁项集,进而求得关联规则。实验证明当频繁项集的维数K大于24时效率比Apriori算法有显著的提高,当K大于28时算法的执行效率则比Apriori算法高出5倍以上,且K越大优势越明显。我们把研究成果初步应用于人事档案管理信息系统中,在对教科研人员基本信息及其流动信息挖掘等方面,取得了较理想的效果。本文的主要贡献如下:1)采用等价划分的思想进行事务集约简。2)提出项目相似度的概念,利用项目相似度在不产生候选项集的情况下直接求取最大频繁项集。3)将EC-AMMA算法应用于档案数据挖掘并取得了较理想的效果。