信息技术飞速发展的今天,图书馆信息化建设正在持续推进,数字化图书馆的构建在很大程度上提升了高校图书馆的服务质量。然而,面对日益增长的馆藏资料,读者往往无法在短时间内从浩如烟海的文献中发现所需的信息,传统的文献检索服务已经难以满足用户需求。如何向读者提供个性化的图书推荐服务,帮助读者迅速精准地获取所需的信息已经成为数字化图书馆建设的一个重要的研究课题。推荐系统是基于信息过滤技术为用户提供个性化服务的工具,旨在解决信息过载的问题,是搜索引擎的良好补充。推荐系统在数字化图书馆中的应用可以作为传统图书馆的图书检索服务的补充,主动地为读者推荐感兴趣的图书。通过分析读者的借阅记录,推荐系统可以了解用户的使用偏好,并进一步为用户提供个性化的推荐信息从而满足不同个体的需求。本文以信息可视化与数据挖掘为理论依据,并结合图书馆学的相关知识,设计了一个高校图书馆推荐系统原型。作者以北京交通大学图书馆Exlibris Aleph集成管理系统中积累的图书历史借阅记录为基础,使用协同过滤以及基于内容的过滤等推荐算法进行工程实践。推荐系统基于Django框架,采用D3.js可视化库、amCharts图表组件、jieba分词等工具实现了流通数据同步、个性化推荐、相关图书推荐以及图书排行榜等功能。本文对系统的需求分析、设计、实现和测试的过程进行了详细说明,着重阐述了推荐算法的设计以及信息可视化在数据展现当中的应用。本人完成了系统的需求分析、概要设计、推荐算法的设计、系统的详细设计,流通数据同步子系统、推荐引擎子系统、前端展现子系统以及后台管理子系统的实现与测试。论文的研究成果对于高校图书馆推荐系统的探索具有一定的现实意义,希望本文能为推荐系统在高校图书馆中的实施与应用起到推动作用。