决策树是建立在信息论基础之上,对数据进行分类挖掘的一种方法。其基本思想是,通过一批已知的训练数据建立-棵决策树,然后利用建好的决策树,对数据进行预测。至今已经提出了决策树的很多算法,通过分析已知的分类信息得到一个预测模型,ID3算法就是其中比较经典的算法。但是ID3同样也存在不足,如学习简单的逻辑表达能力较差、属性的多值偏向等。那么,对ID3算法的这些不足进行改进就是本文的着眼点和主要研究内容。通过对ID3算法的分析,提出了AR-KOS算法,即知识优选策略的属性递归改进算法。试验表明,该算法对ID3算法有所改进,并且生成的决策树是二叉树。所以,自然地将两者结合起来,发挥各自的优势,就可以得到一个性能良好的改进算法。将信息增益的属性递归优化方法应用到高考招生测评的数据挖掘中,并且根据实际需要在高考招生测评工作中进行了测试。同时,对AR-KOS算法与ID3算法进行同例比较,发现新的改进算法的决策树更加简洁、更接近于理想的决策树。