读者对于书本的品味会随着时间发生变化,如果推荐系统设计的时候没有考虑到读者的需求可能发生的变化,那么读者的这种变化会导致推荐系统给出的图书推荐结果让读者感到乏味或者落后于读者自身的知识水平。推荐系统考虑问题往往是站在过去的时间段中,考虑读者过去的偏好,为用户历史状态下的情况给出推荐服务,而高校读者因为处于知识的迅速积累和快速的学习成长过程当中,导致高校读者兴趣范围的改变更明显和快速,推荐系统在这种情况下就必须要考虑到用户本身的变化。本文从用户成长性对图书推荐系统的影响的角度出发,探讨了用户成长性在推荐系统给出推荐结果过程中的影响方式和对推荐结果造成的准确度以及个性化方面的影响,并结合用户成长性提出了适用于高校图书的推荐方式。本文的研究内容为建立推荐系统时忽略的用户变化问题提供了改进方向,给出了把用户变化纳入系统考虑因素过程中的方式。本文根据用户成长阶段的不同,利用高校读者注册时间到借阅行为发生的时间段长度作为用户的成长性指标,通过区分用户的成长性阶段,为不同阶段成长性的用户应用协同过滤方法形成不同的推荐结果,得到相同成长阶段用户群体的借阅数据通过协同过滤算法给出的图书推荐准确度较低,而不同成长阶段用户群体的借阅数据通过协同过滤算法得到的图书推荐准确度较高。根据以上结果本文提出以成长性为权重的协同过滤方法,并且使用实际数据证实该方法相比经典协同过滤算法具有很好的推荐性能。用户成长性被证实对于图书推荐结果准确性存在影响,而读者本身的成长外在表现为读者的偏好随着时间发生了变化。本文对读者偏好变化的特征进行讨论和分析,提出了根据读者接触某一个图书分类下图书时间的长短作为该读者在这个图书分类下的偏好变化阶段,利用二部图网络结构特定计算读者偏好变化规律的计算方法,并且给出结合偏好变化和协同过滤算法形成混合推荐的方式。最后,本文使用实际数据计算和验证了偏好变化计算方法的有效性和混合偏好变化的混合推荐推荐性能的加强以及个性化程度的提高。最后,本文给出了考虑用户成长性的高校图书推荐系统推荐流程和反馈机制运行流程方案,让高校图书馆推荐系统可以更好地利用已有资源的同时加入用户成长性的考虑。