随着数据库和计算机网络的广泛应用,加上使用先进的自动数据生成和采集工具,人们所拥有的数据量急剧增大。数据挖掘技术正是目前解决“数据爆炸”但“信息贫乏”的一种有效方法。目前,在广播收听调查领域,从上个世纪30年代尼尔森公司成立和BBC对听众进行每日调查开始,关于广播传播效果的分析与描述就越来越被“数字”所替代,但是由于缺乏对收听率数据进行再分析的能力,不善于剖析数据,而只能被动地、表面化地接受调查机构给予的原始数据或简单结论。针对广播收听调查领域存在的这种情况,本文将数据挖掘技术中的多维序列模式挖掘算法应用到广播收听率分析当中,可以使广播电台根据指标数据和数据挖掘信息来改善管理,进行更科学合理的节目评估、人员考核、听众群体分析等,同时也为广播媒体领域的专业研究的提供了很有价值的信息。本文在研究了一些经典的序列模式挖掘算法的基础上,结合广播收听情况分析的具体问题和业界相关知识,提出了一种基于时态约束的多维序列模式挖掘算法,这种算法首先将多维信息作为序列的一个元素嵌入到序列之中,形成一个新的序列,然后在基于模式增长的序列模式挖掘算法PrefixSpan算法的基础上,引入了时间区间的归并与扩展技术,使挖掘出来的多维序列模式具有了时效性。本文以“北京中视广联收听率分析系统”为研究背景,在实现了计算各种收听指标等基本功能的基础上,将基于时态约束的多维序列模式挖掘算法应用其中,基本实现了从原始数据的预处理到最后的对挖掘结果的评估与优化这样一个数据挖掘过程。最后,对本文工作进行了总结,提出了进一步的工作方向和思路。