图书馆是每个高校的核心教辅机关,是师生学习提升学习能力的重要场所。面对数以百万计的图书时,师生往往难以找到合适的、真正需要的书。检索主页热门TOP-N推荐书籍对于个人需求过于笼统,不能起到针对性效果。为此,个性化的推荐系统是高校图书馆发展的新方向。传统的推荐系统主要基于学生借阅记录的情况进行的协同过滤推荐,或者挖掘书籍间相关性TOP-N推荐,可以面向大众。但对于特定的群体——相同专业不同学习层级、不同年级段的学生进行推荐时,光靠静态的学生的借阅信息往往维度不够,需要一定的学生学习行为。针对以上问题,本文通过构建层级化学生模型,并通过分析学生学习行为习惯,结合学生在图书馆借阅的记录和入馆频次,设计定制化推荐方案。在此基础上,设计并实现了基于学生学习行为的高校图书推荐系统,主要工作如下:（1）构建了学生的层级模型。收集历年来同专业的学生基本信息,对其每学期学习成绩、奖学金、荣誉获奖、科研成果等进行分析,预处理归一化相关数据,加权求和得到学生的总体学习水平,通过决策树实现对学生的分类:优、良、中、合格、不合格。（2）定义了基于学生特征模型的协同过滤。收集动态数据源学生入馆门禁信息和借阅信息,进行数据预处理归一化,结合学生层级模型,进行学生入馆频次、借阅历史等数据的学生特征提取,加权归并,进行基于学生特征的协同过滤,形成相似学生集。通过相似学生的偏好图书排名,为目标学生推荐相应的图书。（3）设计了基于学生多目标的推荐方案。对于协同过滤以后的学生相似集,分析并研究学生的多目标需求,为相同专业不同年级、不同学习能力层次、非专业常规需求、以及边缘数据大一新生提供定制化推荐方案。