A mineração de dados é frequentemente descrita como o processo de localização de padrões interessantes em grandes bancos de dados. Dada a grande quantidade de dados digitais que estão continuamente sendo gerados e armazenados, a mineração de dados oferece uma solução para o problema de resumir e pesquisar rapidamente relacionamentos não óbvios nos dados. Medidas de interesse são essenciais para a mineração de regras de associação. Como os algoritmos das Regras de Associação podem extrair as regras de acordo com suporte mínimo (minsup) e confiança mínima (minconf), a escolha dos valores destes parâmetros é crucial. Nesta pesquisa, é abordada a questão de definir o valor ideal de minsup e minconf no processo de Mineração de Regras de Associação. As principais contribuições deste trabalho são: (i) proposta de uma medida de Relevância, que possibilite a comparação objetiva de Redes de Regras de Associação; (ii) estudo da relação entre as medidas de centralidade e as medidas de regra de associação minsup e minconf; e (iii) propostas de métodos objetivos de seleção de minsup e minconf ideais, que permitiriam a avaliação de hipóteses relevantes no processo de mineração de dados. Os resultados indicam que se pode definir o minsup ideal com base nas características dos conjuntos de dados, e o minconf ideal com base em medidas de centralidade e redes de regras de associação.