农业图书作为传播农业知识、推广农业技术成果的重要载体,深受广大农业科研人员及对此方向感兴趣读者的喜爱。然而,目前我国农业从业人员由于信息化程度不高,在当前大量图书信息中精准检索能力不足,难以高效地在海量信息中筛选出最符合需求的文献。推荐系统可以极大地节省用户查询相关信息的时间和精力,为其提供有力的指导帮助。深度学习由于表达能力更强,无论是对数据模式的拟合能力或是对数据特征组合的挖掘能力都要强于传统模型,近十年已经成为当下最热门的研究方向。目前在推荐算法的诸多研究中,针对农业图书这一垂直领域的推荐算法,相关研究相对较少,基于深度学习方法的研究更是寥寥无几。传统推荐算法容易产生物品冷启动以及长尾效应问题,因此本文提出了一种基于深度学习的农业图书推荐算法。本文以农业类图书作为主要研究对象,数据来源于某高校图书馆五年的真实数据,该数据中包含了馆藏图书信息、借阅图书的读者信息以及图书借阅记录,选择其中农业类图书相关信息作为研究与实验数据。同时,为了缓解新用户冷启动问题,本论文将农业类教材信息引入了读者借阅记录中,在新读者缺少历史借阅行为时,能根据其专业背景提供相关图书推荐。本论文主要完成以下几个方面的工作:（1）在标准深度学习推荐模型的基础上,提出了一种基于图书语义特征提取和读者兴趣演化的推荐算法模型。基于图书丰富的文本特征,利用自然语言处理技术中的BERT和Text CNN构建的BERT-Text CNN模型对图书书名、图书内容摘要等语义特征生成向量表示,用于后续的推荐。同时,为了充分挖掘读者兴趣,本文采用双向长短时记忆网络模型对读者历史借阅记录进行建模,分析读者借阅偏好,最后引入了注意力机制使图书与读者进行有效交互,对读者阅读兴趣进行动态挖掘。（2）为了选择模型最优参数和验证推荐模型效果,进行了大量模型训练实验。通过对比不同参数的实验结果,选择了模型最优参数与不同算法进行对照实验,实验结果证明了本论文提出的推荐模型的有效性。通过对高校图书馆农业类图书真实数据的实验分析,结果说明本文提出的基于深度学习的农业图书推荐模型在农业图书推荐领域具有较好的推荐效果。本论文的研究为实际的农业信息化应用场景提供了具体解决方案,具有一定的实践意义。