自动化信息管理技术和网络技术迅猛发展把我们带进了信息爆炸时代，海量的信息对用户产生了两方面的影响，有利的一面是用户多了更多的资源和供选择的信息，不利的一面是查找自己感兴趣的资源需要耗费更多的时间和精力，而且大量有价值的信息因缺乏有效的发现工具而“消失”在信息的海洋里。　　 该现象在高等学校图书馆领域表现比较突出，可行的解决方案是在读者对象和图书文献对象之间搭建一座桥梁，目的是根据读者的偏好过滤掉不感兴趣的图书文献，而将感兴趣的部分推荐给他。这座桥梁就是图书馆个性化推荐系统。　　 本文分析了个性化推荐技术的研究现状和国内外图书馆个性化信息服务应用现状，对聚类分组技术和关联规则推荐算法作了研究，并在此基础上开发了“某高校图书馆个性化推荐系统”。评价个性化推荐系统的性能可以从两个角度：一是挖掘效率，二是推荐质量。本系统的后台挖掘模块采用基于事务压缩技术的关联算法，其效率比经典Apriori关联算法要高；在推荐质量方面采用先对读者聚类得到兴趣相似的读者分组，再分别对各个组进行关联分析，专业图书推荐质量得到提高。