关联规则挖掘是数据挖掘的重要研究课题.大数据处理对关联规则挖掘算法效率提出了更高要求,而关联规则挖掘最耗时的步骤是频繁模式挖掘.针对当前频繁模式挖掘算法效率不高的问题,结合Apfiofi和FP-growth算法,提出一种基于事务映射区间求交的频繁模式挖掘算法(interval interaction and transaction mapping,IITM).只需扫描数据集两次来生成FP树,然后扫描FP树将每个项的ID映射到区间中,通过区间求交来进行模式增长.该算法解决了Apriori算法需要多次扫描数据集、FP-growth算法需要迭代地生成条件FP树来进行模式增长而带来的效率下降的问题.在真实数据集上的实验显示,在不同的支持度下IITM算法都要优于Apriori、FP-growth以及PIETM算法.