高校图书馆是高等院校最为重要的学术场所之一,数以百万计的图书为师生的学习和科研带来了丰富的资源,但也使得高校图书馆出现了信息过载现象,即高校师生在面对大量的图书时,往往难以找到自己真正所需的图书。因此,发展高校图书个性化推荐服务是未来的必然趋势。在查阅了国内外相关文献的基础上,本文提出了基于协同过滤算法和Apriori算法的高校图书混合推荐系统模型,具体研究过程如下所示:首先,为了解决图书馆用户评分数据稀疏的问题,本文采用了仅在同一学院用户之间进行推荐的思路,同时运用中国图书馆图书分类法将同一类型的图书进行了归并,并构造了用户-图书类别评分矩阵。其次,本文对基于图书借阅记录的用户相似度计算公式了改进,提升了计算结果的准确性和客观性,并融合用户的自然属性特征信息提出了改进的基于用户的协同过滤算法。随后,在通过改进的基于用户的协同过滤算法得到Top-N推荐结果的基础上,本文利用Apriori算法在实验数据集当中进行强规则的挖掘,并利用挖掘出的强规则为Top-N推荐结果找到关联性强的图书,然后将Top-N推荐结果与关联图书进行混合推荐。最后,在模型的构造和效果验证方面,本文利用混合推荐算法构造了高校图书混合推荐系统模型,并通过对比实验对三种不同的图书推荐系统模型进行了效果验证,证明了高校图书混合推荐系统模型的有效性。