随着Internet的广泛应用，导致庞大的数据库日益增多，为了从这些数据中提取出对数据库拥有者有价值的信息，数据挖掘这门学科应运而生。目前数据挖掘技术之所以被认为具有令人兴奋的研究前景，是因为它能够获得广泛的应用。1993年，IBM Almaden Research Center的Rakech Agrawal等人首先提出关联规则挖掘。关联规则是数据挖掘众多功能中的一种，也是目前最重要，最活跃，最为广泛应用的数据挖掘方法之一，这使得关联规则作为数据挖掘的一种重要模式，一直倍受广泛的关注。概念格是从数据中进行概念发现的一种数学工具，可通过Hasse图表现出概念之间的层次关系，概念格作为一种用于数据分析的形式化的工具，已在信息检索、数字图书馆、软件工程和知识发现等方面得到应用，备受国内外学者的重视。本文主要关注基于概念格的数据挖掘的研究，重点是基于索引链表的相对约简概念格(简称相对约简格)的关联规则的挖掘，内容主要涉及基于索引链表的相对约简格的建造及在此基础上的关联规则的挖掘。文章首先讨论了数据挖掘的研究现状及基本任务方法，重点讨论了关联规则算法的研究，经典算法Apriori的实现，优化，以及应用领域和关联规则挖掘中需要注意的事项。在此基础上，以基于索引链表的相对约简格模型为基础，分析了基于索引链表的相对约简格与关联规则之间的关系，描述了基于索引链表的相对约简格进行关联规则挖掘的理论框架，讨论了基于索引链表的相对约简概念格结构生成频繁概念格的思想，并给出构造算法及基于索引链表的相对约简格的关联规则挖掘算法的实现，并与经典关联规则算法Apriori进行对比，通过实验证明了算法的正确性及优越性，尤其在处理大型数据库中的优势。