进入21世纪后,我国的审计工作展现出能够对国家的经济活动进行有效监督,能够提高社会的经济效益,能够维护社会主义和谐社会等诸多益处,从而得到普遍关注。在审计机关中,计算机技术由于具有强大的数据查询分析功能,因而在审计领域的应用逐渐增多。国家审计署颁布了审计各领域的审计数据规划和审计方法体系,它们作为审计行业的标准正在被各级审计机关所采用。但是由于审计方法体系只是根据法律法规进行查询操作的简单SQL语句,往往不能满足复杂的审计工作的需求。近些年数据挖掘技术由于采用了先进的算法思想,在商业、医疗等领域应用后,取得了令人惊诧的成果,因而受到了广泛的关注。对于要处理海量数据的审计工作而言,将更多的数据挖掘技术应用到审计领域,提高审计工作的效率和质量,已经成为广大的审计人员的迫切要求。本文将数据挖掘技术中的关联规则技术引入到审计工作中,为审计人员提供一种新的手段解读海量的业务数据。关联规则算法是一种无监督的挖掘算法,可以发现数据项间隐藏的关联特征,对于需要分析大量数据而无从下手的审计工作非常适用。本文根据审计业务数据包含大量稀缺数据项和倾斜支持度分布的特性,采用了多最小支持度框架和全置信度的兴趣度度量。本文提出了一般化的关联规则MSAC_Apriori算法,可以在数量型的关系数据中挖掘包含稀少数据项的特征子集。在实际应用中,由于多最小支持度框架下设置项的最小支持度存在困难,本文提出了利用偏差来设置最小支持度的方法。在真实数据集上的实验结果表明,提出的算法能够有效的在审计业务数据上挖掘到有实际意义的特征子集,并且算法在减少候选项集数量、项集的长度和搜索空间上展现出很好的性能。