个性化数据服务是以推荐系统为基础的数据服务,在当今互联网生活中扮演着重要角色,其中,推荐系统作为数据挖掘技术的一种应用,在当今互联网时代有着巨大的作用,以及相当广阔的发展前景。就个性化数据服务而言,传统的互联网服务,即互联网被动式服务,已经不能满足人们的日益增长的以及互联网发展的实际需求。个性化数据服务,在互联网电子商务平台迅速发展的浪潮中应运而生,并成为了互联网行业的研究热点之一。与传统互联网的被动式服务相比,个性化数据服务提供的主动式服务更具有针对性。针对不同用户的兴趣需求,个性化数据服务能够在已有的数据基础上预测用户行为,为个性化服务提供依据。一般来说,推荐系统由三个模块组成,用户数据采集模块,用户模型建立模块以及数据分析模块组成。其中,用户数据收集模块能够在应用系统中收集用户行为数据,用户模型建立模块能够从已有的用户行为数据中提取有用用户数据并进行结构化存储,用户数据分析模块能够在众多用户行为数据中分析挖掘隐含在其中的用户行为模式,用户兴趣特点等,并以此为依据向用户提供相应的推荐信息。此外,随着近年来移动互联网的迅速发展,互联网上涌现出了一大批新的服务开放平台,如微博开放平台、淘宝开放平台等。这些开放平台给第三方应用提供了大量的资源或服务,从而带动了第三方应用的繁荣发展,与此同时,开放平台的出现也为已有的服务平台带来了新的流量和机遇。开放平台的资源、服务共享在很大程度上解决了资源共享的问题,是很多第三方应用的资源、服务的基础。本文结合近年来个性化数据服务以及开放平台的相关技术,完成了如下工作：1)设计了学生兴趣推荐系统,并基于协同过滤、二部图、关联规则算法实现了图书馆读者个性化数据服务模块；2)设计并实现了REST风格的开放数据接口,对外提供个性化数据服务。