高校图书馆是一所高校的文献信息中心,在这个知识的海洋里,一方面师生读者很难从中发现自己感兴趣的文献,另一方面大量少人问津的文献成为这一知识海洋中的“暗礁”,无法被用户轻易获取。用来方便读者网上查询馆藏资源的联机公共检索目录(Online Public Access Catalog,简称OPAC),其信息库中保存着大量的读者检索及借阅信息,这些信息能充分揭示读者对馆藏资源的利用和需求,利用这些信息并结合相关推荐算法向读者推荐相关图书,可以更好地满足读者的信息需求。本文列举和了解目前常用的几种推荐算法,在分析高校图书馆读者特征及纸质资源特征的基础上,提出利用《中图图书馆分类法》来解决基于内容的推荐算法所存在的用关键词表达用户兴趣不精确和冷启动问题,利用《中图图书馆分类法》构建用户-项目分层评价矩阵来解决协同过滤推荐算法所存在的数据稀疏性问题,并将两种改进后的算法相结合,提出一种混合算法图书推荐策略,弥补了单一算法存在的不足。最后通过利用图书馆OPAC数据库中的相关读者信息进行实证研究,最后的实验结果证明,利用《中图图书馆分类法》对这两种推荐算法进行改进后,图书的推荐质量有了明显提高,有效解决了基于内容过滤算法存在的多义、同义词等语义问题和协同过滤算法存在的用户-项目评分数据稀疏,缺乏初始评价的问题。