数字化时代最大的特点就是信息无所不在，信息的高速增长导致信息无限的过载，数字图书馆作为信息的主要载体，也面临着同样的问题；随着图书种类的多样化，图书的数量也越来越多，这一系列的因素导致了图书信息的急速膨胀，面对如此巨大的信息海洋，读者想要找到自己所需的信息无疑于大海捞针；从另外一方面来说，信息提供者面对如此众多的用户只能被动的提供信息，不可能对所有的用户都提供相同的信息，要求区别对待不同的用户，由此可见数字图书馆面临的信息膨胀问题更为严重。基于图书和读者的情境建立起来的个性化推荐系统，主动为用户找到所需的信息，它允许用户从被动的接受者到主动的参与者，信息推送者也由被动变成主动，双方都由被动变成主动，由此建立一个良好的互动关系，可以很好的提高用户的忠诚度和信任度。本文以协同过滤算法为基础，重点研究在协同过滤算法中添加知识情境元素，通过ontology构建知识情境模型，计算出用户与用户、项目与项目的情境模型的相似度，利用本文改进的Top-N算法，向用户推荐相似度最高的N个项目。论文的主要工作如下：首先对协同过滤算法进行了详细的分析，针对算法中出现的数据稀疏性问题作了研究，并提出一种新的改进方式；在ontology的基础上，构造用户和项目的特征模型，并添加图书及读者的情境，得出一个基于知识情境的图书和读者的特征模型；本文引入《知网》义原相似度的概念，优化了词语相似度的计算方法，通过优化的词语相似度计算方法计算出用户与用户、项目与项目间的情境相似度，采用Top-N算法推荐最相似的N个项目推荐给用户。最后，实验表明，本文所提出的方法在一定程度上提高个性化推荐的效率。