信息技术的快速发展推动了各行各业信息化管理的转型进程,在信息化技术逐渐成熟的背景下图书馆信息化建设水平也越来越高,数字化图书馆以其文献快速检索、个性化推荐等功能受到读者的欢迎。信息的爆炸式增长使得馆藏量迅速扩大,读者面临海量的文献刊物往往无法便捷的进行所需信息的查找,对于传统的图书馆读者而言面临着严峻的文献检索体验差的问题。如何构建合理的文献检索服务提升读者文献检索体验,已经成为数字化图书馆建设过程中的研究热点。利用数据挖掘技术设计的推荐系统可以向用户提供个性化推荐服务,能有效避免信息过载现象。读者借助图书推荐系统可以进行感兴趣图书的检索,且检索过程自动滤除读者不感兴趣的信息,起到对传统图书检索功能优化的作用。数据挖掘的数据基础为读者的借阅历史记录,推荐系统在分析借阅历史记录的基础上智能化的预测读者的阅读偏好,过滤用户不感兴趣的推荐信息。本文在深入分析图书馆图书检索功能的基础上明确图书推荐系统的设计需求,然后对推荐系统的设计实现过程进行详细介绍,并重点对信息可视化技术的应用及推荐算法设计过程进行阐述。本文依据数据挖掘和信息可视化理论,结合图书馆现有图书检索系统,进行高校图书推荐系统的设计。本文以某高校信息管理系统的图书借阅历史记录为数据源,结合协同过滤技术等算法进行图书推荐系统的设计,所设计系统采用Django框架,利用jieba分词、amCharts图表以及D3.js可视化库赋予系统图书推荐排行、个性化推荐以及流通数据同步等智能化功能。在完成设计之后对图书推荐系统通过Loadrunner进行全面的测试,验证推荐引擎、流通数据同步、后台管理、前端展现等子系统的功能与性能。