当前，社会发展日新月异，全球性的网络化、信息化进程正在改变着人们的生活，同时也给企业的经营方式带来了深刻的影响.在市场竞争日益激烈，不可预测因素逐渐增多的环境中，企业必须借助先进的计算机和信息技术，提高自身运作的效率，才能在激烈的竞争中取得优势。因此决策支持系统得到了广泛的应用，作为决策支持系统的基础的数据挖掘技术和数据集市技术也得到了广泛的发展。 数据挖掘是当今国际上人工智能和数据库研究方面最富活力的新兴领域，其目标是为了满足用户目标，自动处理大量的原始数据，从中识别重要和有意义的模式，并将其作为知识加以表达。是从大量的数据中发现潜在的、有用的知识的过程，是解决“数据丰富，信息贫乏”的有效方法。关联规则是数据挖掘最重要的课题之一。 Apriori算法是关联规则挖掘的主要算法之一，但是由于要多次扫描海量数据库，算法的执行时间会很长。本文在超市实际销售数据的基础上建立小型数据集市，提出了基于临时表的规模压缩挖掘算法。在程序实现Apriori算法和基于临时表的规模压缩挖掘算法后，应用于建立的数据集市，并将结果进行比较，从而得出结论。基于临时表的规模压缩挖掘算法采用及时删除数据库中无用的事务记录的方法减少了事务数据的数量，大大加快了算法的执行效率。它能够生成较小规模的频繁候选集，即利用了非频繁模式的父模式必定是非频繁模式的原理，有效减少了生成的后选集的规模，实现方便，在很大程度上也提高了效率。 本文提出的算法主要有以下优点：1)效率较高。与现在已有的Apriori算法相比较，大大减少了算法须对数据库的遍历次数和扫描记录数。2)易于实现。由于是利用临时表来操作，在PowerBuilder强大的数据库操作功能帮助下，易于实现该算法。