基于协同过滤算法是个性化推荐中最基础也是应用广泛的算法,传统的基于用户的协同过滤算法存在用户冷启动,推荐热门占比过高,推荐精度不够高等一系列问题.论文基于现有的协同过滤算法存在的问题,结合高校图书借阅的特点,对这些问题做了改进.通过计算用户相似度来为相似的学生互相推荐对方没有借阅过的图书是基于用户的协同过滤算法的思想,相似度的计算方法和相似用户之间推荐商品的方式是决定推荐效果的核心因素.论文通过学生上网日志聚类和学生的学院信息结合用户的图书借阅记录做用户相似度计算,彻底解决了用户冷启动问题,同时提升了推荐的精度.基于时间衰减的用户兴趣模型可以更加侧重用户近期的借阅兴趣,提升了推荐的精准度.同时也通过清洗推荐样本库的方式解决了个性化推荐中热门占比过高的问题.通过对改进的用户协同过滤算法与传统的用户协同过滤算法进行实验对照,论文的方案在各项指标上都取得了明显的效果.