随着互联网技术的飞速发展以及电子商务市场的兴起,为个性化推荐技术酝酿了良好的发展环境。相对于个性化推荐技术在电子商务市场取得的巨大成功,图书馆服务领域内应用在个性化推荐技术的服务还相对较少。随着整体国民教育的提升,人们愈发的渴望获取更多的知识充实自身,图书馆为人们提供了学习新知识的平台。知识的迅速增长使得人们难以从浩瀚的图书资源中获取满足自己偏好的图书。因此,引用个性化推荐技术在电子商务市场取得的成功经验,且协同过滤推荐技术作为应用最为广泛的个性化推荐技术之一,将协同过滤推荐技术融入图书馆中的应用研究具有重大的意义。本文主要研究将协同过滤推荐技术应用在图书馆的个性化服务中,具体研究内容如下:(1)分析图书馆个性化推荐系统的国内外研究现状,并对已存在的个性化推荐系统做了概述及比较它们之间的优缺点。(2)设计了一种改进的协同过滤推荐算法,该改进算法融合图书馆推荐系统的特点。首先,在计算用户相似度时,将用户的背景信息与用户对项目的评分相结合来计算,此方法可以更加准确的计算用户相似度以及避免冷启动问题;然后,使用层次聚类的方法对用户进行聚类分组生成相似用户偏好组,再分别对每个用户偏好组构建项目-标签、标签-时间的网络图,此步骤用来刻画相似用户组的兴趣偏好随时间的变化趋势;最后,为目标用户生成推荐结果。本文采用了标准的推荐系统实验数据集对本文方法与其他类似推荐算法进行相关的实验验证;实验结果表明:本文方法可有效解决推荐系统的冷启动、推荐效率低的问题。(3)将改进的协同过滤推荐算法应用到实际的图书馆个性化服务中,设计了一个图书馆推荐系统的原型。