关联规则挖掘是一种在海量数据集中挖掘隐含内容和知识的重要技术,也是一直以来数据挖掘的热门之一。随着时代的发展,关联规则挖掘的研究出现了多维关联规则,并得到了迅猛发展,目前已广泛应用于商业领域。本文设计了以Hadoop分布式模型为基础的,并且是多维度的关联规则挖掘算法。根据传统Apriori算法的性质,加上了解了每一种关联规则挖掘算法以后,通过剪枝策略,设计了一种适用于多维数据的IApriori算法,该算法在时间性能上有所提高。以Hadoop分布式框架为平台,策划并完成了多维关联规则挖掘算法的并行化,这种算法称为Improved Parallel Apriori算法,简称为IPApriori算法。这种并行化算法过程和建立结构的方法可以降低系统的I/O负荷,提高此法的执行效率。本文将改进的多维关联规则算法运用到手机用户行为预测关联分析中,分析影响手机用户行为的一些主要因素。首先需要清洗数据,建立多维数据模型,实验数据维度的划分和预处理。数据特征属性涉及包括多个维度:性别维度、年龄维度、省份维度、城市维度、区域维度、时间维度、手机品牌维度和APP类型维度。然后将并行化的多维关联规则挖掘算法运用于手机用户行为分析,并对结果进行分析,挖掘出手机用户行为与年龄维度、性别维度、时间维度、地点维度和手机品牌维度属性之间可能存在的某种关联。最后运行IPApriori算法、IApriori算法和基于Hadoop的DG-Apriori算法,在不同是事务数量和最小支持度下,分别比较三种算法的时间效率,执行时间越少的,算法运行效率越高。实验结果表明IPApriori算法在不同是事务数量和最小支持度下相较于其他两个算法执行时间是最少的。