随着信息产业化的快速发展,数据的产生与收集能力迅速提高。存储数据的爆炸性增长业已激起对新技术和自动化工具的需求,以便帮助用户将海量的数据转变成有用的信息和知识。数据挖掘正是在这个背景下应运而生的新学科、新技术。数据挖掘又称为数据库中的知识发现,就是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的、但又是潜在的有用信息和知识的过程。数据挖掘有很多研究热点,其中关联规则挖掘是数据挖掘领域研究的一个重要问题。为了解决现实数据库中每个项目的重要性差异和分配不均匀性,本文重点讨论了加权关联规则挖掘算法。本文研究的主要内容包括以下几个部分:1.简要介绍了数据挖掘的发展概况和基本概念,分析了数据挖掘面临的主要问题及今后的研究与发展方向。2.讨论了布尔关联规则挖掘的经典算法——Apriori算法和改进的频繁项集挖掘算法——FP-growth算法。3.深入分析了著名的加权关联规则挖掘算法——MINWAL(O)算法。指出了该算法及其它相关算法中存在的问题。4.提出了一种新的加权关联规则模型及挖掘加权频繁项集的算法——MWFI算法,并详细阐述了该模型及MWFI算法的设计与实现。通过实验测试,该算法能够挖掘出更能体现决策者实际需求的信息。