随着计算机和网络技术的快速发展,文献资源也在飞速膨胀。而现有的搜索技术往往无法满足用户对文献资源的个性化需要。另一方面,教师在毕业设计过程中需要花费大量的时间为学生们提供参考文献。于是,在毕业设计背景下,文献自动推荐系统应运而生。文献自动推荐正是以用户兴趣特征为导向,分析用户潜在的兴趣偏好,从而对学生用户实现主动而有针对性的信息服务。然而,传统的推荐方法存在着冷启动、匹配不准确等问题。数据挖掘是从大量的数据中,抽取出潜在的、有价值的知识(模型或规则)的过程。本文正是基于数据挖掘技术,实现毕业设计过程中的文献自动推荐。本文在研究和比较了国内外学者提出的各种推荐方法的基础上,提出了结合关联规则和分类规则的推荐方法。综合用户的注册表单信息和网上行为记录,对用户兴趣特征进行建模,最大程度地提取用户的兴趣。利用关联规则挖掘文献资源间的关联程度,从而产生近邻资源,可以很好的解决稀疏性以及奇异发现问题。分类规则用来实现对学生用户的分类,通过对用户的兴趣特征进行学习,有利于将资源准确推荐给具有相似爱好的用户。最后将基于数据挖掘的推荐算法加以应用,设计和实现了文献自动推荐,实验表明,该方法能起到很好的推荐效果。