数字图书馆在世界很多国家受到了高度关注,并取得了迅猛发展,已经成为人们获取信息与知识的重要途径,阅读扩展则是数字图书馆必须提供的支撑性服务。本论文针对数字图书馆中图书阅读扩展问题做了深入研究与开发,以便读者更高效地利用海量数字图书资源。现有的图书阅读扩展系统主要基于人工分类,需要具有一定资质的专家花费大量精力进行组织,存在着知识管理粒度粗、分类系统保守过时、知识覆盖面有限和无法适应用户自身求知需求等诸多问题。本文的主要工作如下:1,提出一种元数据扩展方法。以互联网图书书评等主题相关的文章为数据源,使用以图书为中心的多样化随机行走算法BCDRW提取关键词,实现了关键词在图书元数据层主题相关的、多样化的扩展。2,利用高等学校中英文数字图书合作计划(CADAL)门户丰富用户读书日志数据,提出基于浏览历史的书页标注词推荐算法,跟踪用户历史、判断用户阅读兴趣和知识构成,有效地推荐用户感兴趣的标注词。3,提出基于CADAL百万册图书目录的可扩展目录检索系统,利用词汇在目录中的共现现象计算最相关词汇,并将扩展词融入基于Lucene的目录检索引擎中。利用该系统,实现了各个层次扩展词汇与目标知识点之间的关联和多样化扩展。4,基于上述技术,开发了多层次图书阅读扩展系统,部署在CADAL网站上,依据用户行为,提供更合理的阅读扩展手段和知识管理。