基于效用的序列规则挖掘能够挖掘出效用价值高的序列规则，被广泛的应用于金融、生物医学、制造业、电子商务、社交媒体等领域。与高效用正序列规则挖掘相比，高效用负序列规则挖掘还考虑了未发生事件，能提供更加全面的决策信息。目前的高效用正序列规则挖掘方法并不能直接用于高效用负序列规则挖掘，因高效用负序列规则挖掘过程中存在很多内在复杂性问题：（1）如何定义高效用负序列规则挖掘的问题。（2）如何计算高效用负序列规则中前件的局部效用值和前件的效用，这是计算效用置信度的关键步骤。（3）如何挖掘可直接用来决策的高效用负序列规则。这些问题的研究对于挖掘更加全面的、有价值的高效用负序列规则有着重要的理论价值和实际意义。为此，本文重点研究从高效用负序列模式中挖掘高效用负序列规则的方法，探索可决策的高效用负序列规则挖掘方法，并针对其中涉及的关键问题进行深入探讨。具体介绍如下：
　　针对问题一和问题二，本文提出了一种从高效用负序列模式中挖掘高效用负序列规则的算法e-HUNSR。首先通过提出局部效用值和效用置信度等概念将高效用负序列规则问题形式化，然后给出了一种快速生成候选规则的方法以及一种剪枝策略，接着设计了一种数据结构存储必要的信息，并提出了一种高效的计算前件的局部效用值和效用值的简化计算方法。实验结果表明，e-HUNSR算法能够有效地从高效用负序列模式中挖掘出高效用负序列规则。
　　针对问题三，本文提出了一种可决策的高效用负序列规则挖掘算法A-HUNSR。首先探索了可决策的高效用负序列规则的修剪机制，通过判断候选规则的前件、后件以及前件和后件组成的高效用负序列的支持度来完成第一次修剪，通过候选规则的相关性是否大于1完成第二次修剪。其次提出了在效用环境下支持度的计算方法，以及效用环境下候选规则的相关性的计算方法。实验结果表明，A-HUNSR可以修剪掉大量的无意义规则，并且拥有较好的效率。