数据挖掘(Data Mining，简称DM)是近年来人工智能、数据库应用等领域的研究热点。目前，DM的研究涵盖了多个领域的多种知识发现方法，已经能够发现时间序列规则、关联规则、分类规则、聚类规则等多种知识类型。随着互联网技术的成熟和迅猛发展，基于WEB的DM也是最新的热门研究领域。本文的研究内容着重于DM在银行反洗钱中的应用这一课题。目前银行已积累了大量的客户交易数据，但对于数据的使用主要仍是结构化查询和统计，对于DM在金融中的应用，也只针对客户关系管理、分析和预测金融市场等有限的几个范围。而另一方面，洗钱活动日益猖獗，严重威胁全球经济发展和国家安全，这一问题已经愈发显得突出和急需解决，但反洗钱技术手段仍显落后，对金融犯罪的打击还处于人为干预阶段，仍未见有成熟的DM技术应用于其中。本文目的是研究DM在反洗钱领域中的应用，探索一个适用于反洗钱的洗钱风险评估模型，促进反洗钱自动化的研究与发展。本文首先简要介绍了数据挖掘技术的发展历程及发展趋势，接着从技术分析的角度对数据挖掘的主要技术---决策树分类作了一个综合的介绍，文中主要讨论了具有代表性的算法ID3决策树算法，分析并指出了其主要优缺点。最后，我们运用该算法设计并实现了洗钱风险评估模型，通过挖掘分析得到评估洗钱风险的规则集，并指出了今后进一步的研究方向。