在数据库中用已有的算法对那些有噪声的、不完整的海量数据进行分析、提取,从而可以得到潜在的、隐含在海量数据当中的、对数据操作有用的信息和知识过程就被称之为数据挖掘技术。而决策树算法思想则是数据挖掘技术中常用的一个思想,他在研究数据挖掘过程中起着非常重要的作用,被广泛的用在现实生活的各行各业当中。数据库技术的发展日新月异,随之而来的就是数据库中的数据采集速度和数据存储量的迅猛增加,这就导致传统的决策树算法不能适应当前的庞大数据量。所以,更高效更实用的决策树挖掘算法的研究就显得非常重要。本文对传统的决策树生成算法做了深入浅出的分析和探讨,并阐述了他们的优点和不足之处。在此基础上,论文提出了改进ID3算法,实现了一种基于用户兴趣度和简化信息熵的决策树算法,经过实例比较,新算法在性能上要优于传统的ID3算法。将改进算法应用于农林管理信息库中,为相关部门提供决策支持,有效地发挥出了新算法的实际应用价值。该算法和传统算法的挖掘效果进行对比分析。实验验证前者比后者的优越性要高很多。