近年来，网络成瘾问题引起了全社会的普遍关注，对网络成瘾的深入研究是国内外学者普遍关注的热点。数据挖掘技术在挖掘业务数据中隐含的规律以及解决具体问题方面，是其他技术所不能比拟的，随着数据挖掘技术的成熟及应用领域的不断扩展，已有研究人员将数据挖掘技术应用到大学生心理问题数据的分析研究上，使用决策树算法对大学生心理问题进行数据预测分析，采用Apriori算法，分析学生心理问题与学生属性间的内在关系，为学校心理咨询中心提供决策支持信息，使心理健康教育工作更具有针对性和目的性。本论文对数据挖掘技术和网络成瘾研究进行了较深入地研究和学习，尝试把数据挖掘技术应用于大学生网络成瘾问题数据的分析中。 本文首先介绍了数据挖掘技术的基本原理，包括数据挖掘的概念、系统构成、过程、功能以及一些常用的算法原理，分析了数据挖掘技术应用于网络成瘾研究的可行性，接着详细描述了使用挖掘工具SPSS Clementine中的C5.0决策树算法、Apriori关联规则算法和K-Means聚类算法以及方差分析方法来分析网络成瘾与心理健康状态关系的量表实验和网络成瘾与注意偏向关系的脑电实验数据。在网络成瘾与心理健康状态关系的量表实验中，首先使用非参数检验法秩和检验来比较多组样本资料在各个心理状态维度上的得分的差异性，再使用决策树分类算法分析出焦虑状态、性别、入际关系、强迫、偏执因子在网络成瘾倾向的预测模型中都占了一定的比例，然后使用关联规则算法分析出具有抑郁症状的男生有相对比较严重的网络成瘾问题，最后使用聚类算法可以分析出网络成瘾学生具有抑郁、焦虑症状的共性；在网络成瘾与注意偏向关系的脑电实验中，使用重复测量方差分析方法分析出网络成瘾者在不同词语类型刺激下具有不同的认知处理过程。 本文最后利用Sql Server2000和ASPNET技术集成开发了关于网络成瘾研究的数据库系统，包括量表实验和脑电实验的所有原始数据，数据显示系统具有数据查询、频数统计、图表显示功能。该数据库建成之后将提供网络成瘾研究者一个查询分析平台，为深入探究网络成瘾做出一定的贡献。