文獻數位圖書館將重要的文獻數位化後永久保存，並且提供研究者查詢其相關領域的研究。而藉由網際網路的幫助，文獻數位圖書館將數位化後的各種文獻置於網際網路上，使的研究者可以位於世界各地透過瀏覽器查詢。然而在查詢相關文獻的時候，往往得到非常龐大的文獻列表，之中對研究者真正有興趣的可能只有少部份，為了要提供更有效率的查詢服務，很多文獻數位圖書館也提供了推薦系統，推薦系統根據過去使用統計和使用者目前的查詢紀錄而預測使用者可能對哪些文章有興趣。本研究將目前應用於網頁的推薦技術將之應用於文獻數位圖書館之文獻推薦。對於文獻數位圖書館的推薦，提出一個架構，此架構包含三個循序的步驟: web log處理、資料採礦、與文章推薦。其中web log處理方面提出三種從web log中擷取出transaction的定義方式，資料採礦應用MSapriori，推薦方式則應用了hypergraph與association based 推薦技術。最後我們用中山大學學位論文系統的web log來評估推薦方法的precision、recall、與執行時間。