[目的/意义]利用距离分解改进矩阵分解方法的限制,优化图书个性化推荐的效果.[方法/过程]将传统用户-项目评分矩阵转换为用户-项目距离矩阵;利用距离分解方法获得用户-项目间的距离关系以替代原有方法中的相似度关系;利用深度学习框架实现该方法并进行图书个性化推荐.[结果/结论]利用豆瓣图书评分数据作为数据源分别对本文所用方法以及对照方法进行实验对比.结果　表明,本文所用方法相较于对照方法在RMSE和MAE上均有提升,从而证明该方法能够提高图书个性化推荐的效果.[创新/局限]将深度距离分解方法应用到图书个性化推荐,从而优化了图书个性化推荐的效果.但方法仅在一个真实数据集上进行实验,在接下来还需要在更多数据集上进行验证.