在如今这个大数据时期,人类如何从这些庞大的数据当中获取自身所需要的信息至关重要。因此,数据挖掘技术随之产生。关联规则作为数据挖掘技术的一个重要组成部分,其作用主要在推荐系统方面,比如针对超市商品的摆放问题,通过分析大量的购物篮数据,挖掘什么物品经常一起被购买,然后将这些物品摆放在相同的位置,进而增加这些商品的销售。本文首先介绍了数据挖掘的相关技术,包含分类、聚类、离群点分析等。然后介绍了数据挖掘目前的一些经典算法、数据挖掘的基本流程以及数据挖掘算法的评估。在对关联规则挖掘算法的研究当中,本文首先讨论了Apriori算法,利用超市购物篮数据对该算法进行了实现。考虑到Apriori算法在性能方面所存在的一些缺陷。本文接着介绍了FP-growth算法,利用所生成的FP-tree,构造项的频繁模式基、条件FP-tree和频繁模式,进而发现对应的关联规则。并使用开发工具Python2.7对这两个算法进行了实现,然后将两个算法的挖掘结果进行对比。考虑到购物篮数据当中项集之间的相关性,本文用提升度来度量相关性,提出了负关联规则挖掘算法,并对该改进算法进行了验证,实验结果表明,这个算法可以有效地挖掘负关联规则。该算法考虑了在购买某些商品的前提下,哪些商品不会被购买。超市人员应尽量将它们摆放在不同的位置,从而为超市商品摆放问题提供了新思路。