随着硬件技术的高速发展，人们收集数据的能力也在飞速的提高。越来越多的领域已不再满足于静态数据的处理和分析，数据挖掘的热点也逐渐转移到数据流上。区别于静态数据，数据流具有快速、多变、实时、海量等特点，这对数据挖掘工作带来了新的困难和挑战。在目前数据流挖掘的研究中，数据流中的每个项（item）被看成具有同等重要性，然而在实际应用中，每个项都有着不同的重要性——效用，这种挖掘手段称为效用频繁模式挖掘。然而引用效用概念后，一些定理和方法不再适用——如向下闭合性，这给挖掘工作带来了很大困难。本文将频繁模式挖掘与效用结合，提出一个高效的基于滑动窗口的效用频繁模式挖掘算法UFPM（utilityfrequent pattern mining）。算法将位图结构与树结构相结合，只需一遍扫描，就能够快速、完整地存储和更新模式信息。算法中设计了一种新的树结构U-tree，按照文法顺序生成，方便模式的增量更新和用户读取。同时算法采用模式增长的挖掘方式，可以避免现有算法存在的逐级搜索产生大量候选项集的问题。通过多个实验与前人算法进行测试和对比，结果表明该算法具有较高的效率和较好的可扩展性，优于现有的同类算法。