人类社会已经步入信息化时代。随着计算机和互联网技术的高速发展使信息资源呈现出爆发式的发展态势,身边充斥着各式各样的信息资源。但是如此多的信息资源却使人们越来越感到迷惑。信息过载与信息缺乏对用户来说同样是一种灾难。尽管图书馆学界情报学以及信息管理学已经开发出大量的信息管理工具和方法来对这些信息资源进行有效的组织和管理。但是以往的各种各样的管理方法都缺乏对用户个性化要求的考虑。　　个性化服务的概念在商品生产与服务的提供中最早被提出,随后被许多其它的领域广泛采用。正是在这些时代背景下个性化信息推荐系统便以惊人的速度产生和发展起来。最初个性化推荐的服务是应用在电子商务中,后来许多政府网站、图书馆网站、商业网站以及搜索引擎也都开始利用这一技术为用户提供服务。现在有大多数电子商务的网站,各式各样的信息服务网站都利用个性化推荐服务为用户提供服务。学术界关于个性化推荐的研究涉及了许多学科领域。计算机,信息管理,人工智能,数学等多种学科的方法都被应用在个性化推荐系统的构建中。　　个性化推荐系统不仅能够根据具体用户的个性化需求为用户提供服务,而且个性化推荐系统能够在不需要用户主动参与的情况下为用户提供信息服务。这种做法大大的降低了用户的检索成本,提高了信息服务的效率。目前为止常见的个性化推荐的方式有基于用户相似性的个性化推荐算法即协同过滤算法,基于资源关联性与相似性的内容算法,基于用户和资源之间的关联的算法还有基于人工智能,神经网络等等个性化的推荐算法。　　图书馆是传统的信息服务组织,拥有大量的信息资源,具有为广大读者提供高效服务,充分开发和利用馆藏资源的责任。图书馆应当有效的利用个性化推荐服务这种先进的,高效的信息服务手段。通过对读者信息以及读者借阅记录,以及信息资源的内涵中挖掘的信息,找寻读者与资源之间的关联。从而为读者提供针对具体读者的个性化的信息服务。本文分析了各种常见的推荐算法的优劣特点以及组成结构,构建一种基于混合算法的个性化图书推荐系统。