对于主城区的关联规则图，图4是按照重要性从重到轻进行了排序的，“重要性”指的是其后显示的预测规则可能的重要性。而图5是按照“概率”由大到小进行了排序的，“概率”就是指一个规则为真实的可能性。综合来看，主城区图书借阅不存在明显的关联规则。
非主城区关联分析基于关联规则挖掘模型对主城区的数据分析处理，可以获得复杂的项集及其依赖关系网络，如图6所示。
这幅图是频繁项集的样例图，显示了关联规则算法所挖掘出来的频繁项集，即是非主城区哪些类别的书出现的情况频繁支持度。可以看到I类一直独秀，支持度最大，为10274。
图7非主城区关联规则图（1）
图8非主城区关联规则图（2）
从非主城区常关联规则中置信度展示图分析，就是图7中的重要性指标，按照从大到小的顺序进行排序，可以清楚地看到每一种置信度的大小（图8）。从数据来看，借阅I类和H类后再去借阅F类图书的置信度是最大的。
关联结果分析关联规则分析需要结合多个指标，对产生的关联规则进行实际分析。我们在概念发生为100%里面重要性最高的规则进行实际分析。
主城区的关联结果显示借了Z综合类图书和F经济类图书的最容易再借G文化科学、教育、体育类图书；非主城区结果显示借了I类文学和H类语言文学类最可能借阅P天文、地球、科学类图书。
从这两个结果来看，非主城区的结果容易与聚类分析结果相联系，因为在非主城区在聚类分析时也显示出一个特点就是：中小学生阅读倾向明显在I、H、P这三类，再结合产生的这个关联规则，说明非主城区中小学的图书借阅类型比较固定，我们可以更加广泛的增加他们的兴趣爱好度。
再看看主城区的结果，Z类综合图书和F类经济图书都不在聚类分析的最受欢迎的几种类型图书里面，虽然G类文化、教育、体育图书进入了阅读类型集中度前四，但是也排在第四名，由此可以粗略的得出一个结论，主城区中小学学生图书类别借阅关联并不明显。再次回到主城区关联规则分析图进行分析，从重要性的从大到小到概率的从大到小，均没有出现像非主城区那样与聚类分析的类别集中度重合的类别出现。因此，大概可以得出一个结论，主城区中小学学生借阅图书相对没有太大的关联性，个人阅读集中度不高。
4结论
数据挖掘技术在国际国内发展都非常迅速，目前在我们国家教育信息化方面的实际应用仍处于起步阶段，本文首次采用这样的方法分析基于一个省级图书平台的真实数据，分析维度不够全面，望能起到抛砖引玉的作用。相信在数据挖掘应用越来越广泛的背景之下，对我国图书教育资源的有效配置和管理，提高学生综合素质，减少工作人员工作强度，加强教育相关部门的管理控制都有重大意义。