近年来,随着计算机技术和信息技术的发展以及数据库的广泛应用,数据挖掘已经成为机器学习、人工智能、数据库等领域的研究热点.其中,关联规则在商业中的广泛应用使得它成为数据挖掘中最活跃的研究方向之一.在关联规则挖掘中,挖掘过程可以分为两个子问题:一是产生大项目集;二是产生强关联规则.对于第二个问题,目前的研究不太多,主要原因是忽视了一个问题,就是在产生强关联规则的同时,这些规则也必须是有趣的.通过关联规则挖掘,从大型数据库中发现了大量规则,如何选取有趣规则,是知识发现的重要内容.目前大多数的算法通常利用支持度和置信度来限定规则的强度.但在实际应用中仅考虑支持度和置信度是不够的,因为这些强规则并不一定都是对用户有用或者说是有趣的规则,它们中有的甚至是误导的.而我们的目的是找出决策的用户感兴趣的规则,所以对于关联规则挖掘中许多规则是无趣甚至是误导的情况,文中首先对其作了分析,针对项目集中可能出现的项目间的独立和负相关的情况,文中引入了概率论的统计相关概念,并在它的基础上定义了有趣度量RI,把有趣度结合导支持-信任框架的关联规则挖掘中.通过RI来约束用户不感兴趣的规则的产生.从而可以使挖掘出的规则更加有趣、有用.在对有趣度量做了理论和直观的分析的同时,文中还给出了算法设计和实例验证了它的有效性.同时该文定义了关联规则的覆盖和分解运算,使用这两运算我们可以解决关联规则的推导问题,因而用户只需存储很小的一部分关联规则,需要时再由已知的规则推导出未知规则,因而节约了时空开销.