数据挖掘是一种高级的数据分析工具,通过分析所观察的数据集以发现可信的数据间的未知关系,并提供给数据拥有者可理解的、新颖的和有用的归纳数据。关联规则挖掘用于寻找给定数据集中数据项之间的有趣关联或相关关系。关联规则揭示了数据项间的未知的依赖关系,根据所挖掘的关联关系,可以从一个数据对象的信息来推断另一个数据对象的信息。概念格的每个结点本质上是一个最大项目集,非常有利于关联规则的提取。因此,概念格作为形式概念分析理论中的核心结构,已经在软件工程和知识发现等领域得到了广泛的应用。在利用概念格进行关联规则挖掘时,概念格的快速构造具有重要的意义,而在目前已有的概念格的构造算法中,增量式的构造方式具有明显的优势。本文通过对关联规则挖掘方法和概念格的增量式构造过程的分析,识别出要解决的问题,并针对挖掘关联规则的关键步骤在于提取频繁项目集这一重点,提出了采用广义表结构对概念格结点进行组织,研究了这种基于广义表结构的动态构造概念格的算法,并将之应用于关联规则的挖掘。由于本算法采取的广义表结构存储概念结点,将各结点依照外延数分层次的组织,在提取频繁结点时,无需比对所有结点的支持数,就可将满足最小支持度的结点取出,大大减少了遍历概念结点的数目,从而有效的减少了算法执行的时间。文章给出了算法的伪代码描述,并对该算法的时间性能进行了分析和验证,结果表明,该算法在时间性能上优于Apriori算法和Godin算法。