传统的关联规则和基于效用的关联规则，会忽略一些支持度或效用值不高、置信度（又称可信度）却非常高的规则，这些置信度很高的规则能帮助人们满足规避风险、提高成功率的期望。为挖掘这些低支持度（或效用值）、高置信度的规则，提出了HCARM算法。HCARM采用了划分的方法来处理大数据集，利用新的剪枝策略压缩搜索空间。同时，通过设定长度阈值minlen，使HCARM适合长模式挖掘。实验结果表明，该方法对高置信度长模式有效。