資料挖礦技術被稱為對資料作最佳的應用，它是一個新的研究領域，其目的在於透過自動化處理，從大量的資料中，挖掘出隱藏在其中的有用資訊、樣式，以對決策階層有所幫助。目前不論是在科學上或商業上，均大量使用資料挖礦的技術，來尋找出有用的規則、資訊，以幫助科學家或決策者進行正確的決策，且已有不錯的應用成效。 本論文主要是以約略集合（Rough Set）的方法，及資料挖掘技術中的關連規則的方法為基礎，發展出適合多屬性序列資料的演算法--RSS（Rough Set Sequence）演算法。此演算法先對所有的條件屬性進行篩選，只剩下最重要的條件屬性，而後再進行大集合序列的挖掘，最後在進行特徵關連的挖掘。而在本論中，我們以股市交易資料為例，將可能影響公司股價當作條件屬性，而將公司股價漲跌情形當作是決定屬性。由於造成股價漲跌情形的因素眾多，但實際上，某些因素可能對甲公司而言，其影響程度較為嚴重，但對乙公司而言，其影響程度可能較為輕微，例如，在本論中討論到影響股價漲跌的八個因素，並非每個屬性都有絕對的影響，因此我們在進行序列關連規則的挖掘前，先將對決策屬性有重要影響的條件屬性找出，過濾掉對決策屬性無幫助的條件屬性，接著再進行序列樣式的尋找，找出最長的序列樣式後，最後進行關連規則的尋找。
