一种基于用户历史行为特征的知识文档推荐方法，通过计算文章中每个词语的词频，以词语和词频作为项和支持度，用FP-Tree方法挖掘出与用户上传之文章最具相关性的文章，包括：对知识库中的和用户阅读过的文章分词提取知识库词库；扫描优化用户词库中的词表，用TF词频代替FP-tree算法中的支持度构建FP树，挖掘出具有用户阅读特征的频繁项集；最后确定最相关的文章，对最相关文章的重要度排序，向用户推荐。本发明用文章中的词语作为挖掘特征，为每个用户的历史阅读行为建模，不依赖其它用户的阅读行为，解决了企业知识库中大量有价值的文章无人阅读而用户又找不到包含相关知识文章的问题。