在信息技术快速发展的时代,人们通过浏览网页学习自身所需知识或者了解自己感兴趣的领域,网页也逐渐成为反映用户兴趣、构建网页框架的重要因素。因此,挖掘网页间的关联关系对重构网页框架来说意义重大。用户对网页的兴趣程度可由量化的浏览频率来体现,但是量化的浏览频率不能清晰地度量用户的兴趣程度。本文将量化的浏览频率刻画为相应的模糊语言变量,提出了基于遗传算法的优化关联规则挖掘算法。首先,利用随机隶属函数将浏览频率转化为模糊集,但随机隶属函数会对规则的提取造成很大的影响。因此,本文采用遗传算法对隶属函数进行优化,将隶属函数刻画为染色体,通过遗传算法的交叉变异操作找到一条最优染色体。这条最优染色体能够较好地刻画用户的浏览频率,更好地反映用户的兴趣程度。其次,根据最优隶属数将用户浏览频率转化为相应的模糊集,计算求出频繁项集从而找到可能的关联规则。通过计算可能关联规则的置信度,保留置信度大于所设阈值的关联规则,便是本文所得的模糊关联规则。传统方式下所得关联规则的表示形式为:A→B,而本文所得关联规则的形式则为:A（x₁）→B（x₂）,其中₁x、^x₂代表模糊语言变量,表示人们兴趣程度的高低。相比之下,本文所得的模糊关联规则能更好的反应用户对网页的兴趣程度。