该文采用与之完全不同的思想方法——自顶向下挖掘策略,不是从单个项目出发去构造大的集合,而是直接把事务数据库的项目集作为候选项目集,寻找能满足最小支持度的最大项目集.当现有的候选项目集不满足最小支持度的要求时,则结合信息系统约简的方法,将系统的约简项作为约束信息压缩搜索空间,从项目集中去掉某影响支持度的关键项目,以形成新的候选项目集.自顶向下频繁项挖掘算法没有组合过程,从方法上避免了重复计算,较好地解决了长频繁项的挖掘问题. 在自顶向下频繁项挖掘算法(Top_Down)中,我们采用了事务项目相关信息表、关键项目、项目约简、差别向量等新概念,并对差别向量的定义作了进一步的改进,完善了项目约简的方法,将原本用于分类知识挖掘的粗集(Rought Set)方法与关联规则挖掘方法相融合,得到了一种很有前途的新的研究思路.实验证明这种思路是完全可行的. 我们在Delphi开发环境下实现了Apriori和Top_Down算法,对两种算法进行了详细的测试和分析,探讨了各自的优缺点.实验表明Top_Down算法具有线性的时间复杂度.特别是对于挖掘长频繁项,有着远远优于传统方法的效率.我们从理论分析和算法实现两个方面证明了Top_Down算法的有效性和完备性,在关联规则挖掘研究方面作了有益的探索和尝试.