随着Internet的迅速发展,高新技术的日益普及,特别是知识经济的兴起,数字图书馆应运而生,并逐渐成为各国竞相投入的一个热点。面对数字图书馆中浩瀚的数字化资源,用户为了得到所需资源不得不接收大量的无用信息,浪费了用户的精力和时间。个性化推荐服务可以解决传统数字图书馆存在的上述问题。通过分析用户的基本信息如年龄、专业、性别、收入和用户的网上下载行为,为用户筛选出其相对感兴趣的数字资源,从而提高数字图书馆的使用效率。本文主要研究了数字图书馆资源检索和个性化推荐的相关技术,研究工作主要包括:(1)元数据检索研究。由于元数据标准的选择对元数据检索效果起决定性作用,我们首先论述了数字图书馆中元数据的特点,分析了Dublin Core元数据标准内容和优势,并根据Dublin Core标准构建了数字资源元数据库。(2)个性化推荐技术的研究。在关联规则算法的基础上,提出了一种基于频繁模式增长的算法。该算法根据用户下载库的记录进行关联规则挖掘,实现对读者的在线推荐。另外,介绍了事务聚类算法并分析了它的优缺点,本文使用了时间离散化和模糊划分技术对事务聚类算法进行了改进,由此提出了事务聚类算法的改进算法。在上述研究内容的基础之上,构建了某高校数字图书馆检索系统数据库,实现了资源检索系统和个性化推荐系统。