进入21世纪以来,社会的发展进程加快,读者受到来自社会各个方面的影响,读者的阅读趋向、阅读特征也在发生着变化,尤其是大学生读者,他们接受新鲜事物的能力强,阅读趋向、阅读特点变化的周期更短。高校图书馆作为高等教育的服务机构,应该充分了解读者的阅读趋向,掌握读者的阅读兴趣,这直接影响着高校图书馆的服务质量。目前图书馆管理系统中,缺乏利用读者借阅数据来分析读者阅读趋向的功能,而数据挖掘技术可以通过一定的算法发现隐藏在数据背后的潜在规律,因此,数据挖掘为解决此问题提供了一种新的途径。本文总结和概括了数据挖掘、读者阅读趋向的研究现状,并对国内外的研究现状进行了对比,论述了数据挖掘的定义、任务、流程,对数据挖掘的方法进行了详细的介绍,主要包括聚类分析、关联规则方法、预测建模等。在此基础之上,本文选择某高校某一届本科生四年的借阅记录作为数据研究对象,利用SQL Server对数据进行了数据清洗,数据转换,数据集成,完成了数据的预处理工作。在数据挖掘阶段,本文主要从两个方面来研究读者的阅读趋向:一方面,利用聚类分析对读者阅读趋向进行研究。首先,利用K-Means算法完成了对读者的聚类,根据读者的借阅数量、兴趣爱好将读者进行分类,同时对每一类读者的特点进行了分析,为后文的关联规则分析打下了基础;其次,根据图书被借阅次数将图书进行分类,并且分析了每一类图书的组成,可以为图书剔旧和采购提供一定的指导意见。另一方面,利用关联规则分析对读者阅读趋向进行研究。首先,在聚类基础之上对书目之间进行关联规则分析,进一步掌握了读者在大学不同阶段的阅读趋向,为读者进行更优质的图书推荐提供了可能;其次,对学院与书目之间、专业与书目之间进行了关联规则分析,掌握了不同学院与不同专业之间的阅读趋向。本文结合数据挖掘结果为图书馆提供了一些建议,希望对图书馆能有一定的帮助。最后,总结了本文所做的工作、取得的成果,并展望了本文未来的研究方向。