随着图书馆数字化进程的深入和信息技术的大量引入，图书馆文献数字化和存储数字化的能力越来越强，其存储的信息量也是随着时间的推移几何成长。对于图书馆来说，如何从信息海洋中有效抽取并掌握读者图书借阅行为相关知识；如何利用这些知识提高对读者的服务水平已经成为当前亟待解决主要问题。鉴于此，数据挖掘和个性化推荐的应用研究正在得到图书馆领域的青睐，是图书馆领域未来的研究热点之一。　　本文主要研究内容包括两个方面：第一，图书馆读者借阅行为数据挖掘研究；第二，数据挖掘在图书馆个性化推荐中的应用。　　本文首先介绍了研究背景以及数据挖掘在图书馆领域的研究现状。在第二章，介绍数据仓库与数据挖掘技术，重点讨论了两者的联系与区别、数据挖掘的一般过程、常用分析方法和常用工具软件。在第三章，重点讨论本研究采用的读者借阅行为分析的数据挖掘技术，关联规则Apriori算法和聚类分析K-Means算法。通过介绍并讨论以上内容，对下文的研究进行理论和技术上的铺垫。　　第四章的内容作为本文的核心部分，采用上述两种分析方法对读者借阅数据集中的本、硕、博士生子集进行关联规则分析；对读者和图书分别进行了聚类分析，并总结了读者借阅行为相关知识。第五章则研究了数据挖掘与图书馆个性化推荐的结合问题，并提出了基于数据挖掘的图书馆个性化推荐系统设计思路。　　最后，本文总结本文的主要工作以及研究局限，并对未来研究方向及热点进行了展望。