目前高校图书馆的图书种类繁多,数量庞大,面对海量的图书信息资源,一方面学生需要花费大量的时间和精力来获取需要的图书,另一方面传统的检索查询或热门推荐等方式往往不能产生令人满意的结果。面对学生日益变化的个人需求,传统的图书馆工作模式显然不能满足学生的个性化需求。因此,发展高校图书馆个性化图书推荐服务是未来的必然趋势。在查阅了相关文献的基础上,本文提出了基于协同过滤及关联规则的个性化图书推荐算法。首先针对基于图书借阅记录协同过滤算法中存在的系统扩展性和数据稀疏性问题进行了分析和解决。其次,本文改进了协同过滤算法中用户相似度计算模型。在用户相似度计算中,本文不仅考虑了传统基于图书借阅信息的用户相似度,针对高校图书推荐的背景,还考虑了基于学生属性特征的用户相似度,并将两者进行加权融合得到用户的综合相似度。在推荐结果集上,本文利用关联挖掘对其进行了优化,首先通过改进的协同过滤算法选择出TOP-N个目标用户感兴趣的图书,然后将所有用户的借阅记录集合进行关联规则的挖掘,找出图书间的强关联规则并保存。接着将TOP-N图书通过规则数据库进行匹配进一步找出与之关联的图书,并且将这些关联图书与TOP-N图书进行混合推荐。最后本文分别对传统协同过滤推荐算法、基于改进相似度的协同过滤推荐算法和基于协同过滤及关联规则推荐算法进行了实验,并从推荐的准确率(Precision)和召回率(Recall)进行对比分析。实验结果表明改进后的算法在准确率和召回率上都有进一步的提高。同时,基于改进算法,本文实现了一套个性化图书推荐原型系统。