近年来,高校的图书馆藏规模不断扩大,图书数量骤增,种类繁多,面对数量众多的馆藏图书,学生去借阅比较感兴趣的图书需要耗费大量的时间和精力,如何更有效的借阅书籍成为学生比较关心的问题,因此,图书的个性化推荐应运而生。个性化推荐已经成功的应用到了电子商务、购物消费等领域,通过对大量的用户信息进行处理、分析和发掘得到用户的行为偏好。但传统的推荐方法往往结果不是很令人满意,需要对传统的协同过滤算法进行改进。在对相关的文献进行阅读后,结合本文的数据提出了基于聚类和关联规则的改进推荐算法。从用户和书籍两部分共同构成最终的推荐集。一方面用户角度出发,依据用户的借阅习惯对用户进行聚类,然后在类内计算用户之间的相似性,用户的相似性计算不仅考虑了传统的用户借阅图书信息的相似性,还考虑了用户自身的属性共同构建相似性计算,并将两部分相似性按一定比重求和得到最终的用户相似矩阵。另一方面,从书籍出发,构建图书类别之间的关联性。将两部分匹配优化得到最优的推荐结果。最后,将改进的推荐算法与传统的推荐算法、基于聚类的推荐算法分别进行了数据验证,并对三种算法的准确率和召回率进行对比。实验结果证明,基于聚类和关联规则的改进推荐算法相对于传统的推荐算法,在准确率和召回率方面都有了改善,达到了改进的效果和目的。