为了满足广大考生对提高大学英语等级考试成绩的迫切需求,本实验室开发了大学英语诊断性练习系统。在系统现有组卷模式中的知识点弱项组卷算法,并没有考虑知识点之间的关联,不能很好的满足学习者的需要。实验室的前期研究存在较大的局限性,所得到的关联规则可靠性不高,相应的组卷算法原型也较粗糙,不能投入实际应用。因此本文在大量数据的基础上进行数据挖掘,对大学英语四级知识点的关联进行相应的研究,提出基于知识点关联规则的组卷算法并代码实现,完善系统的各种组卷功能。本文首先对实际应用中收集的大量数据进行了知识点关联分析,数据挖掘工作包括数据收集、数据预处理、实际挖掘,结果分析等,建立了知识点关联规则表。然后从系统现有的组卷模式入手,引入了知识点关联规则表,改进并实现了基于知识点关联规则的弱项组卷算法和覆盖最大化组卷算法。最后在题型的组卷算法方面做出了研究和探讨,提出并实现了按题型的弱项组卷算法和综合考虑题型和知识点的弱项组卷算法两种新的组卷模式,并提出利用知识点关联分析的方法进行知识点和题型两者共同关联分析的构想,给出了基于题型和知识点的关联规则的组卷算法原型。本文在诊断性练习系统中代码完善了相应的系统组卷功能,并在试题推荐和提高成绩两个方面进行了相关验证和分析。本文完成的知识点关联分析工作是建立在从实际应用收集的大量数据的基础上的,建立的知识点关联规则表在最小置信度、最小支持度、提升度、最大关联数数等几个方面都有了比较大的提升。本文提出的基于知识点关联规则的两种组卷算法都能够在原有组卷模式的基础上更好的考虑知识点之间的关联性,切实有效的针对学习者的知识点掌握情况给出更好的指导和试题推荐。本文在题型的组卷算法方面的研究和实现,能够比较好的诊断学习者在题型方面的弱项,结合知识点进一步细化学习者的学习状况使试题的推荐更加全面，具有广泛的应用前景和研究价值。