21世纪高校的竞争归根结底是人才的竞争,民办高校作为近20年来我国重要的一种新兴教学体,人事管理在其发展中起着举足轻重的作用。人事工作的优劣对于民办高校人才吸引、师资梯队建设及人才队伍稳定都有着直接的体现。20世纪60年代以来,随着计算机和网络技术的广泛使用,数据库技术的快速发展,国内外很多高校已经运用相关技术建立起了日益完善和科学的人事管理信息系统,并在长期的应用过程中积累了大量完整的数据。通过人事管理信息系统,高校可以高效率地对人事信息进行增、删、查、改等操作,并能通过系统快速导出各类统计报表,极大的提高了传统人事管理工作的效率,大大降低了管理人员的工作强度。但是目前使用的大多数人事管理信息系统还不能通过对现有人事数据进行挖掘,提取有价值的信息,进而为人事管理工作决策提供科学、有效的依据。数据挖掘是通过运用一系列技术从数据量巨大的数据仓库中提取出人们感兴趣的、有意义的数据。关联规则是数据挖掘的一个重要部分,通过关联规则对数据进行处理,可以得出隐藏在数据或项目间的相互联系,进而获得对预测事物发展和决策有意义的结论。制定合理的关联规则,正好能够满足现代人事管理信息系统为人事管理政策与工作提供决策依据的需求。本文首先阐述了数据挖掘的基本概念及相关算法,其中对关联规则、聚类算法、分类算法、关联规则进行了介绍,并着重对关联规则及其经典的Apriori算法进行了分析。针对Apriori算法在运算中多次扫描事务数据库、产生巨大候选项集的缺点,本文建议了一种改进的Aprio ri算法,并应用于管理系统中。本文完成了民办高校人事管理信息系统的模块构建工作,结合学校实际环境因素,决定使用C/S结构进行系统搭建,在系统中运用改进后的Apriori算法,经过获取候选项集、剔除冗余数据、取频繁项集等步骤,最终获得了系统使用人员对相关事务决策有帮助的关联规则。本文主要利用收集到的人事相关数据,对离职教职工年龄、学历、职称、岗位、工资等信息与在校工作时间之间的关系进行挖掘,从而为学校在制定师资队伍稳定、教师培养等相关政策等方面提供了较为客观的决策依据。