随着计算机科学技术的飞速发展,数据挖掘技术成为数据库、数据仓库领域最前沿的研究方向之一,它作为信息科学领域的前沿研究课题之一,是解决数据丰富而知识贫乏的有效途径,关联规则挖掘是数据挖掘中的一个重要领域,它在各个领域广泛应用,既可以发现隐藏的新规律,也能够检验长期形成的知识模式,有效的发现、理解、运用关联规则是完成数据挖掘重要手段。随着市场新需求不断提出,关联规则挖掘技术需要可靠的、有效的数据挖掘评估体系。在关联规则挖掘中,挖掘频繁项目集是最关键的问题,所以我们的主要目标就是去发现最大频繁项目集。本文主要对如果有效的挖掘频繁项目集做了研究。本文首先介绍了数据挖掘的基本概念、分类和主要任务,其次介绍了关联规则的相关定义、挖掘步骤及其分类。然后详细描述分析了经典关联规则挖掘算法Apriori算法和FP-growth算法,分析了各自的应用领域和优缺点,并对二者作了对比。本文的主体部分主要是研究基于图的关联规则挖掘,为了解决Apriori算法在候选项目集和执行时间方面存在的问题,根据已有基于图关联规则挖掘算法DLG,提出了改进的算法,通过三个方面的改进,提高了挖掘频繁项目集的效率。达到了算法改进的目的。