数据挖掘就是从海量的数据中挖掘出可能有潜在价值的信息的技术。这些信息是可能有潜在价值的，支持决策，可以为企业带来利益，或者为科学研究寻找突破口。关联规则挖掘是数据挖掘技术中的非常重要的功能。关联是某种事物发生时其他事物会发生的这样一种联系。图书馆每天产生大量的图书流通数据，这些数据除了用于记录读者的信息外，一般只用来做一些常规的业务数据统计，这些数据潜在的使用价值还远远没能得到充分的挖掘和利用。我们可以通过将关联规则挖掘方法应用到图书数据的分析中，挖掘和发现读者借阅行为中隐含的规律，以指导图书馆的馆藏图书分布决策，以及提供读者服务工作，提出读者的个性化服务模型。 本文主要是对数据挖掘技术中的关联规则挖掘研究。通过总结前人对于关联规则的各项研究，特别是对经典Apriori算法以及其变形算法的深入细致的分析比较，改进了一种新的关联规则挖掘算法，该算法是：基于维谓词约束、维数目约束以及频繁链表结构的多维关联规则挖掘算法；同时并对关联挖掘综合评价问题的相关性进行分析探讨、在前人基于概率差值的兴趣度阀值的基础上，进行了理论上的验证，在产生关联规则这一步骤方面，扩宽了负项目挖掘的思路，并综合频繁项集的产生过程，最终写出了改进后的算法。接着在微型计算机上编程实现了本文改进算法，建立了实验模型，通过大量实验数据模拟，验证了该改进算法在时间和空间上的性能提高、以及产生的关联规则项目更加科学合理和客观。本文最后还将改进的算法应用于广东工业大学图书馆管理系统，建立了用于挖掘系统的图书馆数据仓库，设计和实现了图书馆挖掘系统，并对2009年2月至4月的馆藏读者借阅数据进行了关联规则挖掘，通过对数据的认真细致分析比较，挖掘到了隐藏在借阅数据之间的读者借书规律，并结合学校实际情况，因地制宜，提出了相应的馆藏布局和读者个性化服务等方面的建议，从而有效地提高了图书馆管理工作决策的水平。