数据挖掘(Data Mining)作为数据库研究领域中的热点,正受到越来越多的关注,其任务是从大量数据中发现有用的数据,提取隐含在其中的、人们事先不知道的但又可能有用的信息和知识。数据挖掘是目前国际上数据库和信息决策领域的最前沿研究方向之一,基于关联规则(Association Rules)的挖掘是其中一个重要的研究方法,具有重要的理论价值和广泛的应用前景。关联规则挖掘就是从大量的数据中挖掘出有价值的描述数据项之间相互联系的知识。这些知识指的是形如A?B的表达式,其中A和B是特征集合。关联规则中最经典的算法是Apriori算法,但它有两个致命的性能瓶颈:多次扫描事务数据库,需要很大的I/O负载、可能产生庞大的侯选集。基于扩展概念格理论的关联规则算法很好地克服了Apriori算法的缺点。本文重点介绍了以下几方面的工作:(1)数据挖掘现状研究。(2)对关联规则算法(特别是Apriori算法,基于扩展概念格的关联规则算法)进行深入研究,并提出一种动态构造扩展概念格的方法和基于扩展概念格的简洁的关联规则算法。(3)完成员工管理网站的部分设计与开发,本文的关联规则主要以员工管理网为背景。(4)在关联规则理论与研究的基础上,将改进后的扩展概念格算法应用于员工管理网系统,效果良好。