近年来,个性化推荐技术发展迅速,已经成为当前研究热点,在电子商务等领域已经获得了巨大的成功。然而高校图书馆用户正面临着如何在浩瀚的图书资源中找到自己感兴趣的图书的难题,因此借鉴个性化推荐技术在电子商务领域的成功经验,将其运用在图书馆服务中已经成为了一个重要的研究方向。本文工作主要围绕个性化推荐技术在图书馆服务中的应用研究而展开,主要研究内容和贡献如下：(1)首先概括了图书推荐系统的国内外研究现状,接着对各种推荐技术做了相应研究并比较它们各自的优缺点。(2)结合高校图书馆的实际情况,选择协同过滤算法作为重点研究对象,做了相应改进：针对图书评分数据稀疏性问题,提出一种特殊的解决办法,引入读者-图书分类,将基于读者借阅记录和基于读者-图书分类两种协同过滤算法结合在一起,并在相似度度量和最近邻选择方面做了改进,增加了权重系数λ,使相似度可以随着实际情况动态地改变大小,使相似度计算的准确性有所提高。(3)利用改进后的算法为读者进行个性化图书推荐,采用江苏某高校图书馆2011-2013年的真实借阅数据设计相关实验进行实证研究,最后结果表明改进算法在查准率和查全率方面都要优于传统的算法,推荐质量也有一定的提高,使用该算法来进行图书推荐是可行的。(4)最后采用改进后的算法并结合基于内容的技术设计并实现一个简单的个性化图书推荐原型系统,从而实现图书馆的个性化服务。