1993年AGRAWAL R等人提出了一个重要的反映大规模数据中项目集之间有趣的关联或相关联系的研究课题[1]，找出属性间有价值的关系，即关联规则的研究。频繁项集的挖掘是获取关联规则不可或缺的步骤。但挖掘频繁项集时需要考虑太多的候选项集。最大频繁项集中已经隐含了所有的频繁项集，并且在许多数据挖掘应用中也只需要挖掘最大频繁项集，而不是获取所有的频繁项集，因此对最大频繁项集的挖掘具有重大的现实意义。

在最大频繁项集的挖掘过程中，尤其在数据规模庞大并且最小支持度较小的情况下，超集检测成为算法运行的主要时间消耗，提出最大频繁项集算法A-MFI，其通过优化基于投影的超集检测机制有效地减少了超集检测的时间。另外，将事务数据库数据映射至一种压缩的AFOPT-tree结构，该结构结合自顶向下的遍历策略，具有更小的时间开销。