文献检索是科研工作人员获取研究文献的重要途径，随着Internet的迅速发展，文献信息资源也随之爆炸，面对浩如烟海并且不断迅速增长的网络文献信息，如何在信息的海洋中方便、及时地获取到自己感兴趣的文献成了一个非常关注的问题，传统的文献搜索引擎在一定程度上满足了科研工作人员获取文献的需求。但是，面对海量的检索结果，如何准确、快捷地找出用户关心的文献，使得传统的文献搜索引擎显得力不从心，远远不能满足用户提出的文献检索需求。针对这个问题，本文提出了一种基于关联规则挖掘技术的文献检索模型，将数据挖掘技术应用到文献检索中，使文献检索结果更满足用户的检索需求。本文的研究工作及创新内容主要包括以下几个方面：　　1.提出一种改进的AprioriTid算法　　针对关联规则挖掘的AprioriTid算法缺点提出了一种改进的AprioriTid算法。通过实验表明，该算法有效地优化了空间复杂度和时间复杂度。　　2.提出一种基于关联规则的Top-k扩展检索算法　　提出一种基于关联规则的Top-k检索扩展检索算法，通过实验证明，它能更好地理解用户的检索需求，能更大程度上弥补初始检索的缺陷，使文献检索性能有较大的改善和提高。　　3.提出一种基于关联规则挖掘的检索词推荐模型　　我们把一篇文献看作是一次交易，关键词作为交易项，挖掘出关键词的频繁项集，生成规则库。在进行相关检索词推荐时，直接查询规则库，找出检索词的相关词或词组，生成推荐导航。通过实验，表明了该模型具有良好的推荐效果。　　4.提出了一种优化整合后的PageRank排序算法　　对用户检索的历史信息库进行关联规则挖掘，将用户对文献的间接评价作为影响排序的因子加入到PageRank算法中，结合用户的检索需求排序检索结果，实验表明该算法更能体现用户的检索需求，可以帮助用户在短时间内找到满意的文献信息。　　5.设计了基于关联规则挖掘技术的文献检索框架，并实现了系统原型　　实现了基于关联规则挖掘的文献检索原型系统，并且通过用户的反馈，表明了该原型系统对用户检索文献有很大帮助，能较好地完成用户的主观检索需求到文献的客观描述信息之间的映射。