现阶段,零售业购物篮分析市场决策层越来越重视从销售数据中寻求产品与产品、产品与客户等之间潜在的某种关系,从而找到提高产品销售量的方法,获取最大利润。这就需要从海量数据中快速准确地挖掘出有价值的能够描述数据项之间相互联系的有关知识,这是数据挖掘研究的一个重要领域。然而对于零售业目前仍没有一个普遍认为最好的标准来判断规则的实用性;同时,零售商经常担忧不知道怎样使用关联规则来优化其业务,这使得关联规则不能有效地在零售业的决策过程中发挥作用,关联规则挖掘的速度与效率也是零售商和研究学者所考虑的重点问题。关联规则挖掘与购物篮分析在超市的应用是被普遍关注的一个问题,在相关领域已经有了一定的应用和发展。国内外研究者在关联挖掘算法执行效率、销售什么样的商品、采用什么样的促销策略以及商品在货架上如何摆放进行了大量的理论研究和模型计算工作。但是在我国国内,到目前为止还没有真正意义上的商用工具问世,挖掘理论的研究处于起步阶段,因此从理论到实践仍需深入的研究。基于以上认识,论文对关联规则挖掘算法及其在购物篮分析中的应用进行了一定研究,主要完成了以下工作:(1)对数据挖掘相关理论技术进行分析、比较和归纳,在此基础上分析归纳了关联规则算法的优缺点。(2)基于线性对象表与事务哈希表,实现了一种提高建立频繁树效率的FP-growth更新算法。该更新算法针对原FP-growth算法需不断重新扫描数据库,浪费许多时间这一缺陷出发,减少了I/O负载并在数据支持度变化或事务项动态变化时缩减了建立频繁树的时间。(3)充分利用商品之间互相影响“促销”系数和图的路径最优化理论,提出了一种评估关联规则中商品间的“促销”关系模型的计算公式,为实现合理陈列商品在货架上的次序提供理论依据。(4)将FP-growth更新算法和商品间的“促销”关系模型实际应用于一家小型超市的数据挖掘项目中,对实验系统相关情况,挖掘的过程和结果进行了一定的说明、归纳和分析,并将结果反馈给该超市,为商家优化超市货物摆放次序提供了参考。(5)最后论文对以上工作进行了总结与展望。