近几年来,越来越多的公司、科研机构等,使用积累的大数据以及各式各样的算法,来整理和分析这些数据的背后所隐含的有用信息,通过分析这些信息,就能够得到信息背后的规律或知识。例如,在某些音乐类、资讯类应用中,会根据每个人的兴趣爱好,自动推送每个人所需要的信息,有效提高了信息的获取和使用的效率。在教育领域,课程的评教往往是考核教学质量的重要一环。然而,长期以来,对这些数据仅仅进行了简单的统计等工作,很少对其进行进一步分析。因此,将经典的算法与教学评教数据相结合,对这些数据进行整理和分析,就能够在一定程度上得到课程评教背后所包含的信息,对这些信息进行进一步分析,就能够得到改进教学的意见和建议,从而指导相关部门进行改进,提高教学质量。本文从某大学的课程的教学评教数据入手,从关联分析的角度,对客观评教数据的各个评价子项的关联关系进行分析,从而得到其强规则;对主观评教数据,通过基于情感词典的方式,得到每一条主观评教（评论）信息的情感倾向,再结合情感倾向,从关联分析的角度,得到各个评教关键词与情感倾向之间的关联关系;设计和实现了一个简约的教学评价分析系统,可以对客观（主观）评教数据进行关联分析,从而得到关联信息。首先,分别对客观评教数据和主观评教数据进行数据预处理操作。对客观评教数据,进行连续数据离散化,从而得到适合算法分析的客观数据;对主观评教数据,经过中文分词、去除停用词（Stop Words）、数据清理等一系列步骤后,就能够得到每条主观评教的关键词（向量）。在得到预处理的数据后,就可以用于算法的关联分析。本文先对关联分析的经典算法——Apriori算法进行分析,针对其算法的特点,对Apriori算法进行改进,有效提高获取强规则的效率。对主观评教数据,本文结合教育领域,结合日常生活和知网等词库,整理得到了专属于课程评教的情感词典,并结合情感词典,参考经典的情感算法实现,设计并实现了适合教学评教的基于情感词典的情感倾向分析算法,可得到每一条主观评教的情感倾向值。基于上述算法,就可以分别分析客观评教数据和主观评教数据的关联关系。最后,设计和实现了一个简约的教学评教分析系统,主要包含用户的注册登录功能、评教文件数据的上传下载功能、学生的评教功能等。通过此系统,就可以分析教学评教数据,得到强规则。本文通过对评教数据的预处理和关联分析,初步得到了一些评教数据背后的信息,并且实现了一个简约的教学评教分析系统。通过教学评教分析系统所得到的关联分析结果,整理和得到了一些课程的教学改进的意见或建议,可供相关人员参考,来提高教学质量。