随着信息技术的飞速发展，数据爆炸和知识贫乏之间的矛盾越来越大，使数据挖掘在许多领域所起的作用越来越重要。在数据挖掘的各分支中，关联规则挖掘的研究最为深入和广泛。目前对关联规则挖掘算法的研究主要基于支持度——可信度框架，由于这种框架自身的缺陷，用户与挖掘系统的交互度不高，使挖掘的关联规则中用户感兴趣的却不多，因此如何增加用户与系统的交互度使用户对挖掘的关联规则算法更感兴趣已成为了一项新的研究任务，不少学者放弃采用支持度——可信度框架，而尝试采用新方法来进行关联规则挖掘，以提高用户的满意度和兴趣度。本文正是在这种背景下，研究交互式关联规则挖掘技术，提出了一种交互式关联规则挖掘算法——IMAR算法。 本文首先介绍了数据挖掘和关联规则挖掘的相关理论；其次介绍了传统的基于支持度——可信度框架的关联规则挖掘算法Apriori算法；最后提出并详细论述了一种交互式关联规则挖掘算法——IMAR算法。 IMAR算法定义了规则约束。规则约束不仅包括了传统的支持度和可信度阈值而且还允许用户指定关联规则左部和右部必须出现的项和禁止出现的项。IMAR算法采用布尔表达式形式化的表示规则约束。IMAR算法在“概念格”的理论基础上生成频繁集集合。算法首先将规则约束布尔表达式转化成集合约束布尔表达式，然后采用最小频繁集扩充的方式在等价类上搜索频繁集，最后算法根据搜索出的频繁集集合和规则约束生成出符合用户约束的关联规则。本文最后通过中学生智能评估系统给出了算法在教育信息系统中的应用实例。