数据库技术从20世纪80年代开始，已经得到广泛的普及和应用。随着数据库容量的膨胀，特别是数据仓库以及Web等新型数据源的日益普及，人们面临的主要问题不再是缺乏足够的信息可以使用，而是面对浩瀚的数据海洋如何有效地利用这些数据。面对这一挑战，数据挖掘技术便形成了，数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，抽取隐含在其中的、人们事先不知道的、但又潜在有用的信息和知识的过程。关联规则挖掘是数据挖掘的一个重要分支，它是指在大量数据中项集之间的有趣的关联或相关联系。关联规则被认为是有趣的，如果它满足最小支持度和最小可信度。近年来，关联规则研究成为数据挖掘中的一个热点，并广泛应用于市场营销、事务分析等应用领域。本文首先对数据挖掘概念及应用进行了较详尽的阐述，然后重点介绍基于关联规则的两种算法：Apriori算法和FP-tree算法，并对它们的性能进行了比较。针对FP-tree算法在挖掘大型数据库时运行速度慢、占用内存大的缺点，本文提出了改进方案。最后将基于关联规则的数据挖掘方法应用到教学评价中，对挖掘结果进行分析、并提出了指导意见。