最近几年,数据挖掘研究者对于购物篮分析已经开发了许多有效的关联规则算法,但是这些算法通常产生大量的模式和规则,这使得用户很难人工的分析这些规则,因此确定规则的兴趣度是一个很重要的问题.为此,研究者们开发了许多确定规则兴趣度的数学度量方法以帮助用户来挑选已发现的规则,如支持度、置信度、提升度、相关性和集体强度等常用来评测关联模式的兴趣度.然而很多方法给出的模式兴趣度信息互相冲突,特别是对于一个特定的应用领域,很难知道哪种规则是最好的.而目前仍旧没有一个标准或者普遍认为最好的方法来判断规则是否有趣.其次,如果要广泛的将关联规则作为有价值的技术来解决现实商业问题,那么就需要解决如何将这些技术成功的应用于真实世界数据中.而最近[18]已经宣称,只有在企业的微观经济框架中才能体现规则模式抽取在决策中的效用.即只有在企业的决策处理过程中,数据中的模式可以在一定范围内被使用并增加企业效用,它才是有趣的.而零售商经常抱怨不知怎样去使用关联规则来优化具体的交叉销售,这使得关联规则不能真正有效的在零售业的决策处理过程中发挥效用.该文主要研究怎样在零售业中产生有益和有趣的关联规则,我们分析并选择出最适合零售业领域的关联规则兴趣度方法,并结合零售业的微观经济框架,产生最大交叉销售利润的产品集合;最后结合间接关联分析,提出了一种新的交叉销售商品利润分析模型.我们将研究结果应用于广州市东山区科技局新大新零售业数据仓库系统项目中,取得了良好效果,极大地增加了数据挖掘在零售业的决策支持中的效用.