1、數(shù)據(jù)挖掘一般是指從大量的數(shù)據(jù)中通過算法發(fā)現(xiàn)隱藏于其中信息的過程。關聯(lián)規(guī)則是數(shù)據(jù)挖掘的重要研究及應用領域，近幾年，許多學者對關聯(lián)規(guī)則挖掘做了大量的研究，關聯(lián)規(guī)則主要用于發(fā)現(xiàn)數(shù)據(jù)庫中不同屬性或者不同數(shù)據(jù)項之間的關聯(lián)關系。隨著“大數(shù)據(jù)”時代的到來，人們也越來越關注對關聯(lián)規(guī)則的研究。本文在前人的基礎上，進行了一些關于提高關聯(lián)規(guī)則挖掘算法性能和功能完善的研究工作。
　　本文首先總結了關聯(lián)規(guī)則挖掘算法的研究成果，分析了AIS、Apriori、

2、FP-Growth等算法的實現(xiàn)方式以及特點，通過對經(jīng)典算法的分析為提出性能更優(yōu)、更易實現(xiàn)的挖掘算法做好理論方面的準備。本文提出基于數(shù)據(jù)垂直分布的深度優(yōu)先關聯(lián)規(guī)則挖掘算法DS-Eclat(Directed Segmenting-Eclat)，采用關聯(lián)矩陣描述數(shù)據(jù)項間的關聯(lián)關系，并利用關聯(lián)矩陣約束候選項集的產(chǎn)生；同時，采用深度優(yōu)先的挖掘模式，提高生成K-頻繁項集的效率。該算法另一個創(chuàng)新點在于對數(shù)據(jù)進行有向分割，并通過連接得到最大頻繁項集。該

3、算法利用布爾矩陣存儲頻繁項集支持集，減小了內(nèi)存開銷，而且改進算法不需要對數(shù)據(jù)庫進行多次掃描，大幅降低了系統(tǒng)I/O的負載，同時也減少了候選項集的產(chǎn)生。
　　依據(jù)關聯(lián)規(guī)則，實現(xiàn)了DS-Eclat算法在圖書館管理系統(tǒng)中的應用。對各類圖書之間的關聯(lián)規(guī)則進行挖掘，實驗結果表明各類圖書之間具有關聯(lián)性，并得出五類(即C、I、O、P及T)具有強關聯(lián)性的圖書。通過挖掘讀者及借閱圖書之間內(nèi)在的關聯(lián)性，可以指導配置圖書館資源，提高館藏利用率，進而提高圖