随着高校大学生学习独立自主性越来越强,图书馆作为学习资源来源的必不可少的一环,在其中扮演着越来越重要的角色。目前我国对图书馆资源利用还处于初级阶段,包含:图书查询、图书借阅、图书归还等行为。而在数据爆炸、信息更新换代迅速的今天,处于初级阶段图书馆的各种功能,已经不能满足读者对于个性化推荐服务的追求。因此,为图书馆提供一种具有深度和广度的推荐算法具有很高的研究价值。目前,主要可以从以下几个方面来对图书馆资源利用效率进行改进:一是提高图书或论文的检索精度,使读者能够快速且精确的找到所需资源;二是根据读者的借阅记录,为其提供更为个性化的推荐结果。本文将从加强个性化服务方面对智能数字图书馆系统进行挖掘与研究,包含如下研究内容:首先,针对国内学者对数字图书馆图书推荐功能的研究进行阐述总结。运用Citespace软件对2013年—2019年间关于图书推荐领域的期刊论文进行可视化分析,着重探索中心度、突变词,且根据关键词、发文作者、发文机构绘制科学知识图谱,并对该领域的研究热点及研究前沿进行分析阐述,为后文的研究提供理论基础。其次,针对在数字图书馆中刻画教育者和学习者图书偏好的文本和网络数据不精确、不一致和不通用问题,提出了一种基于模糊本体和遗传算法的推荐系统框架。该框架首先将模糊逻辑引入领域本体以处理在图书领域中的模糊信息,然后采用遗传算法对图书的特征进行权重优化。最后,通过聚类算法缩小推荐搜索空间以达到精细化的推荐结果.实验结果表明,本文所提出的方法能够有效提高图书推荐的精确性,并有效解决个性化服务中冷启动、数据稀疏性、不确定性和主观判断等问题,与传统方法相比精度和泛化能力都有所提高。