随着信息技术的飞速发展,数据的产生和存储达到了空前繁荣的阶段。如何从海量的数据中提取潜在的有用信息,给传统的数据处理技术提出了严峻的考验,数据挖掘方法应运而生。在数据挖掘出现后,又围绕着如何提高信息的有效率,以及提高挖掘的效率又成为数据挖掘研究的核心。而关联规则挖掘作为数据挖掘的主要手段之一,如何提高关联规则挖掘的效率与规则的有效性也成为近些年来研究的热点之一。本文通过对Apriori关联规则挖掘算法的两个方面进行分析与研究,即频繁项集的产生与关联规则的生成,也就有两个主要方面可以去改进。在产生候选项集时会有大量的冗余项集尤其是在产生二项候选集时以及需要多次扫描数据库,这也是Apriori算法的主要瓶颈。其次是在产生关联规则时会有大量的冗余、无趣的规则,在客户的决策过程中带来迷惑甚至误导的信息。鉴于上述问题,该文在产生二项频繁项集时只需要扫描数据库一次,而且不需要去产生大量的二项候选项集,只需要对所有可能的二项组合进行统计,最后根据支持度阀值直接筛选出频繁二项集。在解决冗余关联规则时引入第三个变量——相关支持度,利用相关支持度与关联规则的两个性质来消除一定的冗余的关联规则。而因为引入相关支持度之后原先利用关联规则的性质减少的冗余规则又都要判断其相关支持度,鉴于此,本文同时又利用数学公式导出两个性质来提高关联规则生成的效率,并在第三章中给出了算法效率的实验对比。最后本文选取合适的支持度,置信度,相关支持度,利用高效的关联规则挖掘的算法对广东轻工职业技术学院网站的部分日志数据进行了关联规则挖掘。并针对挖掘的结果进行了细致的分析,最终提出了一些改进网站的意见。