目前，图书馆中存储着大量的读者借阅信息，如何提升图书馆对读者的服务质量和利用已有的信息服务于图书馆已成为现代数字化图书馆个性化服务的一个主要目标。本文针对图书馆的历史借阅数据，应用数据挖掘技术对其进行智能分析。主要包括：(1)依据聚类分析，实现了k-means算法对图书馆读者的聚类分析。根据实验结果，可将读者分为三类，即惰性读者、一般读者及活跃读者。针对各类读者不同的阅读兴趣及需求，提出相应的策略，最大化地满足这些读者的借阅需求，以便让他们持续保持良好的阅读习惯及兴趣，促进馆藏利用率。(2)依据关联规则，实现了Apriori算法在图书馆图书关联性中的应用。实验结果表明各类图书之间具有关联性，并得出五类(即C、I、O、P及T)具有强关联性的图书。通过挖掘读者及借阅图书之间内在的关联性，可以指导配置图书馆资源，提高馆藏利用率，进而提高图书馆的个性化服务水平。(3)应用基于多核架构的并行Apriori算法，实现其在图书关联性中的数据挖掘，分析了数据集大小及最小支持度对该算法性能的影响。实验表明，在一个双核PC上，该算法加速比超过1.8、CPU利用率超过90%，减少了执行时间及I/O开销，提升了并行挖掘效率，改进了原串行算法的效率及性能，可以满足读者的实时性等需求，更好地促进图书馆的数字化、个性化服务。