随着互联网技术的快速发展与普及，人们可以很容易的接触到互联网所提供的海量信息，但是用户很难从海量的数据中找到自己想要找到的信息，而图书销售网站就面临着一种“在线图书馆网站有用户需要的书，但是用户却找不到的情况”的局面。为了更好的来帮助用户找到自己想要找到的信息资源，个性化推荐系统成为了数字图书销售网站的重要研究领域并且得到了广泛的关注，本文对各种个性化推荐系统做出了简单的介绍，并对基于关联规则的个性化推荐技术做了深入的探讨与研究。本文介绍了基于关联规则的两种重要算法，即FP-growth算法与apriori算法，然后对apriori算法重点做了研究，并根据图书销售网站的特点，将图书分类然后在每个子类中去应用apriori算法，去生成每个图书子类的最大频繁集。当向用户进行推荐的时候，在每个子类中去产生推荐的书籍，然后再将每个子类的产生的推荐书籍合并，向用户进行推荐。本文所研究设计的图书销售个性化推荐算法综合了用户的图书浏览事物集与图书交易事物集产生推荐书籍，进一步提高了图书推荐的准确性与灵活行。本文以C语言将所提出的图书分类推荐的算法进行了实现，数据库采用mysql数据，开发环境为VC++6.0,然后对图书销售网站的个性化推荐系统做出了主观与客观的测试，测试了其推荐效果，并对算法的性能做了测试。最后对本文所研究的图书销售网站的个性化推荐系统做了总结，并对未来技术的发展做了展望。