食品安全是关系到国计民生的重大问题,加强对食品安全风险评估和监管工作是食品安全监管部门的重要责任。受到传统的数理统计方法的限制,食品安全监管部门在实施食品安全风险预警、分析被检食品样品的检测结果时,只能分析已有数据,且无法发现数据之间的潜在联系,预防措施不足,预测能力较弱。为了更好地解决该问题,文章对在食品安全风险评估环节中引入数据挖掘技术的可行性进行了探讨,并进行了实际风险评估应用。文章首先对课题的研究背景、研究意义以及国内外研究现状等做了介绍,并介绍了食品安全、数据挖掘的相关基础知识和关联规则挖掘算法。在论文研究中,主要完成了下列几个方面的工作：(1)根据食品安全检测数据离散的特点,着眼研究检测数据之间隐含联系,结合各数据挖掘方法的自身特点,选用广度优先策略的关联规则进行挖掘；(2)以食品样品的检测报告单为原始数据,从检测数据结果及其特点出发,对原始数据进行选择,并进行数据清洗等方面的整理,以供挖掘工具使用；(3)探讨食品安全风险评估系统的数据库设计和功能模块设计,给出了系统的数据库结构及功能模块结构；(4)为适应检测数据量大的特点,利用数据挖掘工具SAS软件的EM(Enterprise Miner)模块自动分析数据,进行关联规则挖掘。针对关联规则挖掘结果冗余问题,引入适当的筛选规则,筛选挖掘结果,过滤掉大量冗余,使之更精练准确、更具价值；(5)将关联规则挖掘技术应用于大米的安全风险分析中,并对挖掘的结果进行了实际意义解读和分析,验证了数据挖掘技术在食品安全风险评估中应用的可行性。