高等学校图书馆是高校资源文献服务保障中心,承担着为教学和科研提供精准知识服务重要任务。按照《教育信息化2.0行动计划》等借助信息技术促进教育改革与发展的要求,在构建开放、共享、交互、协作的学习平台的过程中,如何利用有效技术,为学生提供更加精准、个性化的知识服务,具有重要的研究意义和应用价值。在传统的基于以“书”为中心图书馆服务模式下,图书情报领域个性化推荐的研究多为“以资源为中心”,利用相似度计算进行人书匹配,数据稀疏和冷启动问题解决不好,推荐资源的个性化与精准度不足;对图书馆小数据的研究主要在理论层面,鲜有技术方面的实践应用研究。针对上述问题,本文运用小数据思维构建多维度的用户画像并设计了一种基于全连接神经网络的小数据融合方法,运用图神经网络框架构建图书推荐模型,对图书馆知识服务模式的重构与创新、拓展智慧图书馆精准知识服务能力进行了探索。论文的主要工作如下:（1）基于多维度小数据用户画像的数据融合方法研究。从图书馆小数据的视角出发,根据库尔特·勒温提出的场动力学理论构建多维度用户画像。以用户画像为桥梁设计了一种基于全连接神经网络的数据融合方法,从特征层面对多维度的小数据进行融合,使初始嵌入囊括不同类型的输入数据,以更好的获取用户和项目之间的协同作用。最后通过实验对比,验证了本章提出的方法的有效性。（2）基于图神经网络的图书馆个性化推荐算法研究。以小数据的融合为基础,提出了一种基于图神经网络的图书馆个性化推荐算法,通过将用户项目交互信息和用户社交信息转化为图结构,并利用用户项目交互图和用户社交图中的高阶信息来学习用户与项目的嵌入表示,以更准确的预测用户偏好。同时针对交互图与社交图这两个不同图及图中节点对用户偏好作用程度不一的现象,设计了一个多层次的注意网络,以学习图级与节点级对用户偏好的影响权值。最后通过实验对比,验证了本章提出的方法的有效性。（3）高校图书馆个性化推荐系统设计与实现。基于上述推荐算法设计并实现了高校图书馆推荐系统,该系统囊括了图书推荐、图书标签、图书评价、个人中心等功能。图书推荐为该系统的核心模块,通过用户信息中的专业及初次登录系统时选择的偏好标签来解决推荐系统的冷启动问题。