随着科技的进步及网络技术、数据库技术的快速发展,数据来源越来越广,人类所面对的信息量与日俱增,比如在商业、工业、行政、医疗、科研、保险等各行各业,另外,政府、科研等相关机构投入了大量的人力、物力去搜集并存储数据,随着人们的习惯,不得不面对面对这样的事实——数据信息无时无刻不在增长。然而我们却没有很好的利用现有的数据,让其发挥应有的作用。基于上述原因,本课题选择研究数据挖掘技术,而目前存在许多的数据挖掘算法,本文重点研究关联规则中的Apriori算法。针对Apriori算法,本课题做了如下主要工作:1)深入的研究学习了Apriori算法,对Apriori算法的思想以及工作流程有了更深入的了解和认识。2)Apriori算法存在许多的缺陷,针对现有缺陷,本课题提出了一种改进的Apriori算法,改进的算法能有效降低数据挖掘次数、减少不可能成为挖掘关系的项集,并且应用更灵活。3)将Apriori算法与贝叶斯网络算法相结合构建了电子商务推荐模型,构建的模型被应用到了电子商务推荐系统中,应用效果表明推荐模型能有效提高电子商务网络销售。