该文首先对货篮分析的数据组织方式进行了分析.因为事务处理环境不能很好的支持分析,而且进行货篮分析数据挖掘产生的大量系统开销也影响事务处理的效率.因此,在分析了数据仓库和数据集市的优缺点后,认为建立数据集市的分析环境比较适合中国企业业务需求.数据集市实际上是一个小型的局部的数据仓库,该文按照类似于建立数据仓库的方法设计了货篮分析数据集市框架,内容包括需求分析、粒度的划分、概念模型、逻辑模型、物理模型的设计以及数据集市的生成方法研究. 由于货篮分析是采用关联规则挖掘方法在销售数据上进行挖掘,该文探讨了关联规则挖掘的研究情况,关联规则的分类方法,对一些典型算法进行了分析和评价.重点对目前基于支持度-置信度框架的关联规则挖掘算法进行了分析与研究,发现利用支持度、置信度这两个标准来衡量关联规则存在两个主要问题:一是有可能挖掘出一条即使支持度和置信度均很高,但却是不感兴趣的、虚假的,甚至是误导的关联规则.二是不能挖掘出含有否定项的关联现则.为了解决这两个问题,该文提出了增加兴趣度的第三个度量——相关支持度.当挖掘出一条关联规则的支持度、置信度、相关支持度同时满足最小支持度、最小置信度、最小相关支持度时,才被认为是有意义的模式;然后把相关支持度小于1的项集引入否定项集,来产生带有否定项的规则. 最后通过实例验证了上述方法的可行性,有效性.