由于我国关于加入GPA（Government Procurement Agreement）谈判进程的加速以及政府采购改革的持续深入,政府采购规模逐渐增加^[1]。政府采购在经济发展中也扮演愈发重要的角色,政府采购数据蕴藏着一定价值的信息。本文使用关联规则Apriori算法对政府采购数据进行处理,找出政府采购数据要素之间强关联关系,为政府采购工作的反腐倡廉提供参考的依据。随着政府采购产生了越来越多的政府采购数据,传统的数据挖掘手段对大量数据的分析显得无能为力,采用大数据与数据挖掘手段处理政府采购数据是本文研究的目标。为了提高原始Apriori算法在处理大量数据的效率以及使用Apriori算法对政府采购数据进行分析,采取基于Hadoop平台提高Apriori算法处理数据的效率。文章中详细描述了Apriori算法、基于Hadoop的h-Apriori以及改进后的mh-Apriori算法,并实现了这三种算法,采用数据集进行算法效率的验证。论文的实验分为三组,第一组,第二组实验结果说明数据集chess与mushroom在三种算法的处理下,基于Hadoop平台算法花费的时间要略长于原始Apriori算法,这是因为chess与mushroom数据集不大,而Hadoop处理少量数据并不具备优势。第三组实验结果说明基于Hadoop的两种算法处理accidents数据集效率明显优于原始Apriori算法,且mh-Apriori处理数据效率优于h-Apriori算法,改进后算法提高了大规模数据的处理效率。文章还阐述了关联规则可视化知识,并采用VOCAR方法对得到的强关联关系进行展示,更清楚展示各要素之间关联关系,为政府采购工作的反腐倡廉提供参考的依据。