随着互联网、物联网、信息技术等一系列技术的迅猛发展,当今社会已步入大数据时代。在大数据时代,如何有效的挖掘数据,提取其中隐藏的关联规则,一直是一个十分活跃的研究课题。传统的关联规则算法以静态的数据为基础,最终挖掘到的关联规则冗余度十分高,然而在实际应用中,用于挖掘的数据并非静态的,且过多的冗余的关联规则十分消耗存储空间。因此研究基于非静态数据的关联规则算法及其应用具有十分重要的实用意义。本文主要研究工作如下:(1)根据相关文献,综述关联规则算法基本理论,重点研究了经典的关联规则算法Apriori与FP-growth,分析了各自的优缺点;(2)分析了关联规则原有评价标准的局限性,引入了相关度的概念;(3)研究了增量式更新算法QAIS与NewQAIS,对QAIS与NewQAIS进行了实例说明,并以QAIS与NewQAIS算法为基础,提出了Im-NewQAIS算法;(4)对关联规则的存储方法进行了研究,并提出了改进的关系表存储方法;(5)设计并实现了一套智慧社区服务系统,将关联规则算法应用于系统中的社区O2O模块。Im-NewQAIS算法利用哈希表存储项集,采用“支持度-置信度-相关度”的评价标准,充分考虑数据增加、删除、修改等情况,有效地解决了关联规则与数据更新同步的问题,避免了正负关联规则相互矛盾的问题,并降低了关联规则冗余度,节省了存储空间。本文将Im-NewQAIS算法应用于智慧社区服务系统中社区O2O模块,通过对社区业主的线上消费数据的分析,给出用户的消费特征,为系统的消费模式分析提供决策支撑。