在高校图书馆的建设中,数字图书馆作为一种新的形态,整合着图书馆的线上电子资源和线下图书资源,利用分布式网络、数据挖掘、推荐系统等多种新的技术,为用户提供前所未有的信息服务。然而,随着图书馆系统中的文献资源逐年增加,如何有效地帮助读者高效且准确地发现所需要的信息是个研究热点。实际上,国内大多数数字图书馆系统的功能仍然以文献搜索为主,这种被动的服务方式为读者提供的个性化服务非常有限,导致图书馆文献资源利用率不高。针对这个问题,变被动服务为主动服务的个性化推荐技术在数字图书馆的应用被提出来。个性化推荐技术是实现个性化服务的重要技术手段,被广泛应用于电子商务领域。针对用户需求,为用户提供个性化服务,一方面可以帮助用户迅速找到所需商品,另一方面提升了服务质量,从而为商家获得更大的利润。在数字图书馆中,可以通过技术手段定期收集读者的基本信息和行为信息等偏好信息,为读者预测可能感兴趣的信息资源,并且通过推荐系统为读者提供主动且多样化的信息服务。因此,个性化数字图书推荐系统目前已受到一定的关注。在数字图书馆的海量数据环境下,推荐准确度和运行效率是衡量推荐性能的两个重要指标。目前在各种推荐系统中,应用最广泛的推荐算法是协同过滤技术,但是协同过滤存在着冷启动、矩阵稀疏等问题,新商品将因为没有被用户评分或者只有很少的评分而无法被推荐;同时,传统的协同过滤算法的运行效率在数据量非常大时,运行效率常常不高。基于聚类的协同过滤推荐算法从一定程度上可以缓解这些问题。本文提出了一种基于聚类的协同过滤式图书信息推荐算法。它的基本思想是将所有用户根据相似性划分聚类,每一类用户看成是具有相似的兴趣或者类型。在为活动用户提供图书信息推荐时,根据该用户与各个聚类中心的相似度来预测用户对图书的评分,从而推荐其感兴趣的信息。在实现所提算法的基础上,本文提出了一种基于推荐系统的数字图书馆,通过应用基于聚类的协同过滤算法,可以更加高效、准确地为读者推荐信息,从而达到提升数字图书馆的服务质量且提高文献资源的利用率的目的。具体来说,本文的主要工作如下:(1)基于高校实情探讨了面向数字图书馆的个性化服务模式。调研了高校数字图书馆的服务现状、读者需求、资源利用情况,探讨了现有的个性化服务的概念、方式、内容及实现技术,并结合实际情况提出了高校数字图书馆的个性化服务模式,具体内容则包括设计目标、原则和实现架构。(2)研究了个性化图书推荐的关键技术。分析了经典的个性化推荐算法原理、应用现状,提出了一种基于聚类的协同过滤推荐算法,针对该算法进行了实现,并将之应用到个人数字图书馆中。(3)在Apache Mahout组件库的基础上开发基于推荐系统的个人数字图书馆,从软件工程视角对系统总体结构、数据表、UI分别进行了分析和设计,并重点介绍了系统关键功能模块的功能和实现思路。