随着信息时代的到来,产生了海量的数据,这些大量数据的背后隐藏着许多人们所需要的信息和知识,人们迫切需要将这些数据转换成有用的信息。传统的频繁项目集挖掘以频繁度作为衡量指标。这样就会导致一些频繁度低,但是效用值高、用户感兴趣的项目集不能被挖掘出来。为了解决这个问题而出现了高效用项目集挖掘。虽然目前已经有很多关于高效用项目集挖掘的研究,但是让用户来设定阈值对于用户来说是一个很困难的事情。如果用户设定的阈值过低,那么过多的高效用项目集将会产生,这就可能导致挖掘算法效率低下,甚至出现挖掘出来的项目集数量超出内存容量。反之将会导致没有高效用项目集产生。用户通过实验不断地调整阈值来得到最终需要的阈值,这一过程对于用户来说是非常繁琐的。为了解决上述问题,本文中提出了一种新的基于效用矩阵和索引的top-k高效用项目集挖掘算法,用户无需设定阈值,只需要给出要挖掘的项目集数量。本文的主要贡献包括：首先,在高效用项目集挖掘中,本文首次提出了利用项目集的真实效用值进行挖掘的算法。这样可以有效地在top-k高效用项目集挖掘中提高边界阈值。其次,本文提出了效用矩阵结构,避免为计算大量的项目集效用值而多次扫描数据库。再次,针对高效用项目集挖掘算法中失去了反单调性,在算法执行过程中无法进行剪枝的问题,本文中提出了基于索引结构的消减策略。最后,本文摒弃了以往由短项目集连接生成长项目集的固有思想模式,根据top-k高效项目集挖掘中的特点,采用了自顶向下的挖掘过程。既可以有效地提高边界阈值,又能减少在挖掘过程中产生的项目集数量。通过理论分析和实验评估,验证了本文提出的基于效用矩阵和索引的top-k高效用项目集挖掘算法的正确性和高效性。