图书馆是人类知识的宝库,越来越多的人选择通过借阅图书来提升自己,但传统图书馆借阅服务消耗借阅者大量时间对图书查找与定位,给借阅者带来许多不便。因此本文提出一种先进行个性化图书推荐再对推荐图书导航的主动性服务的方法来优化图书馆借阅服务,帮助借阅者更快速找到满意的图书以提升借阅体验。协同过滤模型是个性化推荐算法常见的实现方式,但是对于稀疏的图书借阅数据,目前大部分协同过滤模型存在初期数据不足导致的推荐系统启动困难的问题。而如何能在图书馆这种复杂场景下进行低成本用户室内定位以获取用户位置信息,以及如何收集图书位置信息以进行图书导航,是目前在图书导航服务实现过程中需要解决的问题。首先,针对现有图书推荐协同过滤模型启动初期数据稀疏导致推荐效果不好的问题,本文提出一种基于注意力机制的耦合协同过滤模型。利用耦合协同过滤模型解除传统协同过滤独立同分布的假设,同时利用注意力机制深度挖掘了显式属性关键程度,提高了模型的推荐效果。实验证明,本文提出的模型在召回率和NDCG两个评测指标上较传统协同过滤方法和耦合协同过滤模型更优。其次,为解决导航服务中如何获取用户初始位置的问题,本文完成的研究有:（1）提出一种网格化离线关键帧地图构建方法,通过智能手机进行关键帧采集,并以图像匹配的方式进行定位,降低成本的同时,实现了一种基于方向传感器和Bo W（词袋模型）的图像匹配方法,降低了图像匹配耗时,并通过实验验证了该方法的有效性。（2）为解决图书馆室内场景相似度高导致的图像错误匹配的问题,本文提出一种改进的TD-IDF相似性评分规则,利用方向传感器获取相邻方向的地图关键帧进行辅助评分,通过实验证明该方法可以提高在图书馆场景下的图像匹配鲁棒性。（3）针对单目手机所采集的图书馆场景图像进行位姿估计存在的尺度不确定性问题,本文提出一种利用网格化离线关键帧地图信息来进行尺度恢复的方法,提供了更加精确的定位信息。最后,为解决导航服务中推荐图书位置获取困难的问题,本文提出一种基于AR（增强现实）实现的图书标记,支持用户共享图书位置,构建图书位置信息地图,并通过上述用户初始位置与图书位置信息实现了AR图书导航原型,验证了研究的技术可行性。