随着网络技术和数据库技术的发展，人类已经进入了大数据的时代，如何从海量数据中发现和利用有用信息变得越来越有挑战性。关联规则是数据挖掘的重要研究方向，可用于发现交易数据库中不同商品之间的联系，反应顾客购买行为模式，有助于企业进行商业决策。本文首先介绍了关联规则的相关理论及其研究进展，重点分析了关联规则中FP-growth算法及其在数据挖掘过程中发现关联规则的瓶颈问题。其次，为了解决FP-growth算法因时间复杂度和空间复杂度都比较高而无法有效挖掘出关联规则的问题，本文提出了IDFP-growth（Improved Division FP-growth）算法，该算法将大型事务数据库按照事务首项不同分解成多个子数据库，对每个子数据库分别建立带指针的IDFP-tree（Improved Division FP-tree）结构，分别对每个子数据库挖掘出频繁项集，再将挖掘结果合并，并用实验证明了IDFP-growth算法在时间和空间上的效率都优于FP-growth算法。最后，以安徽省老乡鸡连锁快餐提供的数据为源数据，应用IDFP-growth算法挖掘老乡鸡连锁快餐菜品中的关联菜品，分析挖掘出的关联菜品，为老乡鸡连锁快餐提出可行的营销建议。