随着“互联网+”技术的应用及大数据新兴产业的崛起,各个领域的数据库中积攒着大量的数据。关联规则挖掘可以在庞大的数据库中挖掘出潜在的且有用的关联关系,量化的浏览频率不能清晰地度量用户对网页的兴趣程度。本文提出了新型模糊数据挖掘算法(NFDMA),将量化的浏览频率刻画为相应的模糊语言变量,该算法在以下三个方面进行研究:第一、三元组语义模型表示隶属函数。在二元组的基础上,三元组语义模型将模糊区域考虑其中,其隶属函数可以获取更高的数据覆盖率,表示的隶属函数更加准确。第二、CHC算法(跨世代异物种重组大变异)对三元组语义模型表示的隶属函数进行优化。根据给出的隶属函数将浏览频率转化为模糊集,但随机给出的隶属函数并不准确,所以本文使用CHC算法对三元组语义模型表示的隶属函数进行优化。第三、构建频繁模式树来挖掘模糊关联规则。使用模糊频繁模式树挖掘算法,把CHC算法中得到的最优隶属函数,通过构建树形结构挖掘出模糊关联规则。传统方式下关联规则的表示形式为:若A,则B,而三元组对应的关联规则表示形式则为:若A(ξ1,α1,β1),,则B(ξ2,α2,β2),其中ξ代表模糊语言变量,表示用户兴趣程度的高低,α表示模糊区域的横向位移,,β表示模糊区域的支持度振幅,使用三元组语义模型得出的模糊关联规则不仅能够得出关联关系,还可以表示其关联程度。