形式概念分析是由德国的Wille教授在1982年提出的,它蕴含了概念的哲学理解,其核心是形式概念格,也称Galois格,它准确而简洁地描述了概念之间的层次关系,因此近来成为一种重要的知识表示方法。目前已经在软件工程、图书馆和信息科学、数据挖掘等多领域得到了广泛的应用。关联规则的挖掘是数据挖掘的主要任务之一,本文围绕数据挖掘中的关联发现,在传统关联规则算法分析研究的基础上,引入概念格模型,研究了概念格在数据挖掘的应用。针对概念格的构造算法进行了改进,给出了一种确定字典序的概念格构造算法,提高了概念格构造的效率。通过实例分析,在J2EE平台上对该方案进行了试验。本文所做的具体工作主要如下：(1)研究传统的用来进行数据挖掘关联规则提取的Apriori算法,分析其的计算过程和原理,指出该算法的局限性。(2)研究Ganter提出的NextClosure算法,给出了一种基于基数的字典序的算法,通过实例分析概念格在数据挖掘方面的优势,比较了本文的算法和Ganter的算法,说明了本文算法的创新点。(3)采用UCI的数据集验证本文的上述两个结论。