针对高校图书馆缺乏相对应的图书推荐系统,或者图书推荐系统无法很好实现图书推荐效果,通过TopN算法有效解决针对新用户推荐的冷启动问题,并设计实现了基于混合推荐的图书推荐系统,实现准确推荐。基于1000goodbooks网站提供的数据集,有效地规避了稀疏性问题。该混合推荐系统主要是混合了基于内容的推荐和基于协同过滤的推荐。其中,基于协同过滤的推荐主要是利用用户标签数据,通过用户好评的图书,来推荐其他相似的图书,或者给该用户推荐与他喜好相似的其他用户所喜欢的图书。再者,通过一些特征将用户和书籍联系起来,称为用户喜好标签,并借助这些标签实现给用户推荐他喜好的书籍。