商务智能是指将存储于各种商业信息系统中的数据转换成有用信息的过程。数据挖掘是实现这个过程的重要方法,它能够从大型的数据库或者数据仓库中提取隐含的,事先未知的潜在的有用信息。其中关联规则的挖掘可以发现数据库中潜在的一些重要信息,特别是在商业领域拥有广泛的应用前景,因此如何将关联规则挖掘与商务领域相结合一直以来都是广受关注的非常活跃的研究领域。本文首先从对某一商品的客户评论出发,应用分词模块对原始客户评论分词并标注属性。之后应用关联规则挖掘技术发现其中的频繁特征,并以频繁特征为基准挖掘出关于该频繁特征的观点词及其倾向性,判断客户群对该商品的满意度,为生产厂商提供出宝贵的信息。本文在应用数据挖掘中的关联规则挖掘技术的同时,对其进行了初步的探讨和研究,对部分算法进行了实现,主要实现了Apriori算法和FP-树频集算法,并对其进行了相应的改进和比较。特别是改进了Apriori算法的读取过程,在不牺牲质量的前提下,使算法的运行速度得到提高。