数据挖掘技术从上个世纪产生以来，已经被应用于多个领域，并得到了充分的验证，显示了其重要的经济和社会价值。　　近年来我国高等院校招生规模逐渐扩大，毕业生人数剧增，就业问题不断突显，如何有效的利用各个高校累积的大量学生在校数据和毕业生就业数据，以科学地指导决策的制定，从而提高就业率和就业质量，是目前很多高等教育决策者们面临的问题。目前很多高校使用的就业信息管理系统可以进行简单的事务操作，尚不能对就业数据进行多角度、多层次的分析与挖掘，缺乏综合分析和决策支持能力。　　论文试图通过数据挖掘技术，发现学生的个体数据、成绩数据和就业数据之间的关联性，找出不同类型用人单位需要的人才所具备的属性，从而给决策者提供指导或数据支持，改进现有的人才培养模式和专业设置方案。本文的工作主要包括以下几个方面:　　(1)分析了关联规则经典Apriori算法的基本思想，并针对高校学生个体数据和就业数据的特点，选择了适合于高校毕业生就业信息挖掘的Apriori优化算法。　　(2)设计实现了一个毕业生就业信息管理系统，该系统具有对毕业生个人信息和就业数据的存储和管理等功能，并能采用改进的Apriori算法对系统中的数据进行数据挖掘。　　所实现的毕业生就业信息管理系统已成功应用于南京机电职业技术学院，可有效地对所存储的学生信息进行数据挖掘，挖掘结果对学院的专业建设及人才培养方案的制定提供了有效的决策支持。