现阶段关联规则挖掘算法大部分依靠学生课程的最终成绩挖掘课程间的关联,而很少挖掘课程内部知识点间的知识关联,以及不同课程中知识点间的关联关系。针对这一问题,从学生试卷中知识点的得分情况分析,挖掘知识点间的关联关系,同时结合知识点间固有的包含关系和前驱关系,使用neo4j图数据库进行可视化,根据可视化的结果,对学生进行指引和预警。在挖掘知识点间关联规则的过程中,针对学生成绩中知识点得分数据十分密集知识点间关联复杂的特点,导致挖掘时间开销过大,生成规则数量过多的问题,分析了关联规则算法中已有的宽度优先改进算法和DHP算法在时间和空间效率的不足,提出了基于hash函数的改进算法。同时在已有的评价指标的基础上,提出了一种新的匹配度评价指标,避免了生成规则数量过多的问题。然后,将改进算法和新匹配度评价指标在公开数据集上进行实验验证。结果表明,改进的算法能有效减少时间开销而评价指标能有效减少生成关联规则的数量。使用该改进算法对我校12-16年计算机专业学生考试成绩中知识点的得分情况进行数据挖掘,挖掘出知识点间的关联关系,同时结合已有的知识点间的前驱关系和包含关系,筛选出有效的关联规则,帮助学生更好地认知现阶段自身学习情况。为学校管理人员优化资源配置,调整指导策略,为学校的科学化管理提供技术理论支持。