以降重的方式表达关联规则的国内外研究现状

关联规则是数据挖掘中的重要内容，早在20世纪90年代，就已经开始了对关联规则的研究。国内外均有很多相关的研究文章。通过对相关文献的了解，我们可以得出以下的结论：

国内研究现状：

1. 在关联规则的发现算法方面，Apriori算法是国内最常使用的方法之一。除此之外，FP-Growth算法、ECLAT算法等也广为人知。

2. 目前国内学者在关联规则挖掘算法上的研究主要集中在提高效率、提高准确性、优化算法等方面。

3. 关于关联规则的应用研究，国内学者主要关注于电子商务、医疗、舆情分析等方面。

国外研究现状：

1. 在关联规则的发现算法方面，国外多使用FP-Growth算法、ECLAT算法、CLOSET算法等，同时也有一些新算法逐渐被提出。

2. 目前国外学者在关联规则挖掘算法上的研究主要集中在深度学习、集成算法、跨域关联规则挖掘等方面。

3. 关于关联规则的应用研究，国外学者主要关注于金融、物流、社交网络分析、推荐系统等方面。

总的来说，国内外在关联规则的研究方面有很多的共同之处，同时也各有独到之处。未来的研究将更加注重实践和应用，并且结合新的技术手段进行优化和改进。