数据挖掘技术在商业领域的应用已经取得了巨大的价值,其应用价值也逐渐地被社会其它领域所借鉴学习。现有的高校图书馆管理系统已经积累了大量的读者信息和借阅历史信息,为推荐服务提供了数据基础。论文通过对数据挖掘及经典的挖掘算法进行系统地研究分析,针对高校图书馆流通数据挖掘的实际要求,对关联规则算法中的常用算法Apriori算法通过减少无关项目计算对其进行了一些改进,在此基础上,设计了一个高校图书馆馆藏推荐系统模型。该系统模型运用数据挖掘中的聚类和分类技术,根据读者类型、工作单位、借书册数和借书种类,将之划分成为具有背景属性和兴趣接近的读者群,运用数据挖掘中的关联规则查找出在同一个群中最感兴趣的书目,为高校图书馆主动提供推荐服务参考。通过实验测试表明,模型的挖掘方案设计即先分群后推荐,并根据读者的兴趣过滤挖掘结果的方法是合理的,所推荐的书目基本满足了高校图书馆读者的需求。数据挖掘在高校图书馆中的应用还处于刚刚起步不久。本文在推荐服务等方面的一些想法和做法还需根据实际情况加以相应地改进。本文的主要目的是研究应该如何把数据挖掘技术更好地用到高校图书馆管理系统中,如何更好的提高高校图书馆的管理水平和服务效率,希望该文能对研究从事该领域的相关学者起到参考和促进作用。