在这个科技高度发达的现代社会,我们每天都会与很多数据打交道,有些我们可以很容易从中获取信息,但是有些大规模的复杂数据,我们很难直观的获取到数据背后影藏的有效信息。于是,数据挖掘技术便出现在我们的生活当中,帮助我们解决一些复杂的问题。在高校的教学评价系统中,都积累了大量的数据,在教育教学中多数高校只是对这些数据进行简单的数据统计与查询,而大量的数据中所隐含的更有价值的知识或信息则没有真正得到利用。而数据挖掘技术恰恰可以解决这个问题。本文对海量数据运用关联规则方法进行分析和挖掘研究。首先介绍了数据挖掘的相关技术以及在关联规则挖掘中经常被使用的Apriori算法,详细解释了该算法的思想及实现过程,之后根据Apriori算法中存在的一些不足,在分析其他人对算法进行优化思想的基础上,提出了一种减少扫描事务数据库的次数和降低候选项目集规模的改进算法。改进后的算法,只需对数据库扫描一次,且提高了候选项目集的生成速度,可以更加有效的生成最终的频繁项目集,降低了算法的时间和空间复杂度。最后,以我校学生评教系统中的数据信息为基础,运用改进的算法对数据集合进行关联规则的挖掘工作,并从结果中分析出我校教学活动中的一些规律和特点,并针对这些信息提出对未来教学活动的建议和改进措施。