当前,高校图书馆主动式图书推荐服务发展滞后,对用户信息需求挖掘分析不足,无论是不是已经有目标图书,进入收藏量巨大的图书馆寻找一本属于自己的图书都会非常浪费时间。本论文利用“标签”挖掘用户的个人兴趣,将真正满足用户需求的图书主动推荐给他,由过去的“人找书”变化为现在的“书找人”,帮助用户快速找到图书,高效利用图书馆资源。本论文的具体研究目标如下:1.为了给新老用户排除筛选信息的障碍,为了吸引更多新用户,首先对馆藏的大量图书进行分类推荐并且图书分类推荐对标签数据的扩展也非常有利。2.现有的推荐系统有基于用户相似性的、基于物品相似性的和基于标签的三种。本论文不仅通过相同或相似标签来判断用户需要的图书,也通过相同标签来计算用户的相似性。因此,把两种推荐方法紧密结合,实现图书个性化推荐。3.读者通过用户界面与图书推荐系统进行沟通和交互。因此,用户界面非常清晰,让读者知道该怎么使用系统。用户界面也非常简洁,不需要读者花费时间去理解,从而实现良好的用户界面。4.据调查,人耐心等的时间只有八秒,超过这个时间,人就会感到焦躁,失去耐心。用户产生的个性化标签比较多,基于标签的推荐系统需要处理的数据量较大,所以系统的运行效率对系统的普及应用非常重要。为了提高基于标签的图书个性化推荐系统的准确度,增加用户体验,本论文分别从数据模型和推荐算法两方面进行改进。1.本文数据模型的创新思路:把元数据(如图书的作者)也作为社会化标签,缓解数据稀疏的问题。2.本文推荐算法的创新思路:过去的研究人员根据用户所关注的资源计算用户的相似性。根据计算出的相似性进行推荐。本文将计算用户所打标签的相似性,如果很多人都选择一个或几个相同的标签,这些人之间很可能有相同偏好。本论文在图书馆馆藏图书和学生浏览、评价、收藏、借阅记录等数据基础上,分析学生个性化需求,设计并实现图书个性化推荐系统。为用户推荐个性化的图书、标签,让用户能更快速的找到自己感兴趣的信息,节约用户的时间,提高用户对图书馆的满意度。基于标签的图书个性化推荐系统的开发环境是Eclipse,用MySQL数据库存储数据。本系统主要包括了用户注册和登录模块、个性化推荐模块、书籍榜单模块、数字资源模块、书籍搜索模块和我的图书馆六大功能模块。本系统采用的是B/S架构,用户只需安装浏览器就可以访问系统,有利于系统的普及也方便用户的使用。