数据挖掘是指从大量的数据中发现潜在的、有用的知识的过程。关联规则挖掘是数据挖掘的主要研究内容,它从大量的数据项中寻找隐藏着的联系或相关性。Apriori算法是关联规则挖掘的一个经典算法,但它解决问题的针对性较强,应用面狭窄。因此,本文提出了基于规则的Apriori算法,大大扩展了Apriori算法的应用范围。随着企业业务种类的不断增多,传统的业务规则配置面向技术人员,具有维护难度大、生命周期较短的缺点,已难以适应业务发展的要求。因此,本文提出了面向业务人员的基于SBVR(Semantics of Business Vocabularies and Business Rules,业务词汇和业务规则的语义)的业务规则配置模型。因此,本文重点研究了基于规则的Apriori算法和基于SBVR的业务规则配置技术,具体工作包括以下几个方面：1、研究了Apriori算法挖掘关联规则的步骤。针对传统算法应用面狭窄这一缺陷,本文提出了一种基于规则的Apriori算法——Rule_Apriori。该算法在原有算法的基础上,加入了一层规则,按照配置的规则进行指导和控制Apriori算法的执行。2、分析了传统的业务规则技术的不足,提出了基于SBVR的业务规则配置模型。这是一种面向业务人员、可灵活配置的业务规则配置模型。包括业务规则的定制、基础服务和后台服务三个模块。3、将基于SBVR的业务规则配置模型应用到套餐资费配置上,实现计费功能。验证了基于SBVR的业务规则配置的灵活性,同时为其他应用提供计费功能。4、将Rule_Apriori算法应用于电信套餐制定中和套餐劝转服务中。电信套餐制定人员根据从套餐订购实例中挖掘出的关联规则,找出用户容易在一起定购的产品,从而为制定套餐提供决策支持信息。套餐劝转服务根据用户的消费详单进行套餐匹配,找出比较适合用户的套餐,从而为用户提供建议。