近些年来,随着高校图书馆的不断建设发展,馆藏图书数量也在逐年增长,如何从海量的图书中发现感兴趣的图书,是每个读者关心的问题。个性化图书推荐技术可以较好解决这一问题。个性化推荐技术是近几年比较流行的智能化技术,已成功运用于电子商务,搜索引擎等平台。该技术可以对海量用户信息数据进行学习,分析,并通过一系列算法挖掘出符合用户喜好的产品。个性化推荐系统是基于个性化推荐算法基础上的一套综合信息系统,该系统能将推荐结果实时输出给用户,用户可根据推荐结果是否符合自己喜好进行反馈。推荐系统可以利用这些反馈不断调整推荐结果,使其更贴近用户的喜好。本文以基于协同过滤,结合图书领域的中图分类法,实现了基于聚类和图书类别偏好的协同过滤推荐算法。本算法首先根据用户借阅图书的天数构造出用户对图书的评分来填补评分矩阵。接着将矩阵用聚类方法按用户对不同图书类别的偏好进行预处理。处理后的结果输入到协同过滤算法中,运用加权的用户相似度计算方法在若干个聚类中查找目标用户的邻居用户。最后利用用户邻居集合中的用户评分来对目标图书进行预测,并输出预测评分较高的图书。该算法在一定程度弥补了传统协同过滤算法的数据稀疏性问题和扩展性问题。本文还在上述算法基础上,结合某高校真实图书借阅数据,验证了本文算法的合理性和可靠性,并由此开发了一套实用的个性化图书推荐系统。通过真实系统的运行使用,并对收集的反馈结果进行评估,验证了本文所采用的推荐算法的准确度。