随着数据库技术的迅速发展以及数据库管理系统在图书馆的广泛应用,图书馆数据库里积累了大量的读者对图书资源的历史访问数据,这些数据背后隐藏着许多重要的信息。但是,由于目前的图书馆管理系统缺乏数据的集成和分析能力,无法发现这些数据中存在的关系和规则。如何运用数据挖掘技术从图书馆数据中挖掘出有价值的信息,已成为数据挖掘应用的一个重要领域,也是数字图书馆建设中一个非常重要的研究课题。本文将关联规则技术引入到高校图书馆读者数据处理系统,试图验证数据挖掘技术在这个领域中的可行性。本文的主要工作如下：首先,介绍了数据挖掘、关联规则等相关基本理论及其研究现状,并对两种常见的关联规则挖掘算法——Apriori和FP-growth算法进行分析,讨论了这两种算法的基本思想、数据挖掘步骤、优缺点等,评价了两者的性能。其次,针对图书馆读者借阅数据进行数据预处理,包括数据的选取、数据集成、数据清理、数据转换和数据归约,建立了算法所需的事务数据库。最后,基于Microsoft关联算法对图书借阅数据进行关联规则挖掘,发现了关于读者特征与所借图书之间的规则和关于读者借阅的图书类之间的规则,并对实验结果进行了分析,提出了指导意见,从而可以科学地进行建议借阅和图书推荐等个性化服务。