近年来我国高等院校的学生就业问题不断突现，原因不仅包括经济改革、高等院校扩招、教育资源紧缺、就业模式不健全等，还包括高等教育模式不适应社会要求、学生就业期望值偏高、高校对学生的就业指导偏重于书本和经验，缺少科学的就业指导等重要因素。除了深化高等教育改革、改进高校学生培养模式外，对学生进行科学合理的就业指导已刻不容缓。 本文通过数据挖掘技术，发现学生的教育属性和就业属性之间的关联性，建立毕业生就业指导决策支持系统，提高对毕业生就业指导的实效性，实现毕业生更快更好的就业。 决策树方法是数据挖掘的重要方法，通常用来形成分类器和预测模型。决策树方法包含多种不同的算法，其中ID3算法是决策树方法的典型代表，是决策树生成最常用的具体实现方法。但是，目前的ID3算法存在着偏向于选择属性取值较多的属性，可能导致从数据集中归纳出错误的规则，使决策树的性能下降。因此，本文提出了一种避免多值偏向问题的ID3改进算法--BetterTree算法，弥补了ID3算法选择测试属性时偏向取值较多的不足。在通过掌握实际的学生信息基础上，测试了该方法的有效性，并建立了一个基于关联规则的就业指导决策支持系统。 本文的就业指导系统由两部分构成，数据库处理和数据挖掘算法执行。数据库处理包括数据的读取、查询、统计、更新以及前台的简单系统界面等，采用SQL Server 2000。数据挖掘算法执行就是采用我们改进后的BetterTree算法，将实际学生就业数据作为输入处理，得出很多有意义的信息，这些知识在帮助高等院校更好的对学生进行就业指导，提高学生就业率和就业质量具有重要的现实意义。