应用数据挖掘技术，加强税收数据进行分析，为税务系统强化科学管理提供有价值的决策信息，已经成为当前税务系统的一个研究热点。本文针对当前税收执法管理工作中存在的不足，结合税收行业数据特点，提出了一种基于hash和项集空间划分的关联规则挖掘算法-SAVM算法，并将关联规则挖掘技术和SAVM算法应用到税收执法数据分析中，找出了税收执法过错行为和税收执法者特征之间的关联关系，为税务系统加强税收执法管理提供了非常有价值的参考信息。本文的主要工作和创新点如下：一、阐述了数据挖掘技术在税务系统的应用现状，全面介绍了税收执法管理的内容、方法和存在的不足，分析了应用数据挖掘技术开展税收执法数据分析的重要意义。二、阐述了数据挖掘的基本理论、主要技术、知识分类、常用挖掘工具和研究趋势，深入研究了关联规则挖掘技术，重点介绍了几种经典关联规则挖掘算法，分析了各种挖掘算法的优、缺点，指出了关联规则挖掘技术的研究热点和发展趋势。三、提出一种基于hash和项集空间划分的关联规则挖掘算法-SAVM算法。将事务数据库转换成比特向量表示形式，通过向量的与运算来计算项集的支持度，在挖掘过程中只需扫描一遍数据库；运用hash技术，在第一次扫描数据库的过程中，直接生成频繁2项集，提高算法的执行效率；采用基于共同前缀的划分方法，将己生成的频繁项集划分到不同的子空间，在每个独立的子空间内生成候选项集，减少连接次数。实验结果表明，SAVM算法提高了关联规则挖掘的效率。四、将关联规则挖掘技术应用到税收执法数据分析中，详细阐述了数据选择、预处理、挖掘频繁项集和生成关联规则等处理过程，对生成的规则进行了分析，得出了对税务系统加强税收执法管理具有重要参考意义的结论。同时，也为将关联规则挖掘技术应用到税收管理的其他领域提供了一个可供借鉴的方法。