高校图书馆是学生获取信息和知识的重要渠道,图书馆藏书规模大、范围广、更新快,为学生提供了一个广阔而优质的学习平台。但随之而来的问题是图书馆用户常常无法快速、准确地从浩瀚的资源库中找到自己所需的资源,最终导致用户体验变差、图书利用率降低等问题。借鉴个性化推荐技术在电子商务等领域的成功经验,本文将围绕个性化推荐技术在高校图书管理系统中的应用研究而展开。通过了解国内外图书推荐系统现状,比较不同推荐技术的优缺点和适用场景,结合高校图书馆实际情况,本文选取协同过滤技术作为高校图书馆图书推荐的核心技术,辅之以聚类技术对协同过滤技术面临的数据稀疏性问题进行改进,最后制定组合推荐的策略为用户提供个性化的图书推荐结果。具体研究方法和研究结果如下:(1)首先将借阅过同一类书籍的用户划分为一个实验组,根据用户专业背景和借阅行为运用两步聚类技术将每组用户分别聚集为多个群体,并用用户群体代替用户个体作为新的用户参与后续推荐,显著提升了用户借阅记录之间的重合度,进而有效改善了数据稀疏性问题;(2)然后对每个实验组内的新用户运用协同过滤技术进行图书推荐,分析新用户特征和推荐结果之间的联系,判定推荐结果符合现实场景且可靠;(3)最后将用户群的推荐结果转化为个人的推荐结果,具体方法是将用户所属不同群体的推荐结果按照一定比例进行组合从而形成最终的个体推荐结果。