| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 引言 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究综述 | 第10-13页 |
| 1.2.1 云计算在国外图书馆的应用 | 第10-12页 |
| 1.2.2 云计算是如何在国内的一些图书馆内使用 | 第12-13页 |
| 1.3 研究主要内容和基本框架 | 第13-16页 |
| 1.3.1 研究主要议题 | 第13-14页 |
| 1.3.2 研究框架 | 第14-16页 |
| 第2章 云计算与智慧图书馆相关理论 | 第16-27页 |
| 2.1 云计算 | 第16-21页 |
| 2.1.1 云计算的概念和运算部署 | 第16-17页 |
| 2.1.2 云计算服务（SPI）模型 | 第17-18页 |
| 2.1.3 Had oop 开源云的使用计算平台 | 第18-21页 |
| 2.2 智慧图书馆 | 第21-27页 |
| 2.2.1 智慧图书馆的概念及内涵 | 第21-22页 |
| 2.2.2 智慧图书馆的在线展示 | 第22-26页 |
| 2.2.3 智慧图书馆服务平台的构建 | 第26-27页 |
| 第3章 过滤推算的研究和评估性能 | 第27-50页 |
| 3.1 过滤推荐 | 第27-30页 |
| 3.1.1 推荐原理 | 第27-28页 |
| 3.1.2 智慧图书馆选择协同过滤推荐方法的原因 | 第28页 |
| 3.1.3 协同过滤推荐方法的必要性 | 第28-29页 |
| 3.1.4 智慧图书馆图书的推荐过程 | 第29-30页 |
| 3.2 在以用户本身都是认同的方法进行合理的过滤并以此进行计算的方法 | 第30-37页 |
| 3.2.1 针对不同用户之间的兴趣建立起不同的模型，同时向用户进行推荐使用的计算方法进行详细的分析 | 第30-33页 |
| 3.2.2 寻找最近邻居 | 第33-36页 |
| 3.2.3 产生推荐项目 | 第36-37页 |
| 3.3 基于项目的协同过滤算法 | 第37-39页 |
| 3.3.1 用户偏好项目相似性推荐项目模型的建立和算法分析 | 第37页 |
| 3.3.2 项目相似度的计算 | 第37-38页 |
| 3.3.3 针对这一数值的预测是应该怎样进行计算的 | 第38-39页 |
| 3.4 多个近邻用户和多个近邻项目结合的协同过滤算法 | 第39-44页 |
| 3.4.1 多个近邻用户和多个近邻项目结合模型建立和算法简介 | 第39-40页 |
| 3.4.2 对算法进行分析 | 第40-41页 |
| 3.4.3 多个近邻用户和多个近邻项目结合算法性能评估 | 第41-44页 |
| 3.5 协同过滤推荐算法应用在智慧图书馆时出现的问题及相应的解决方法37 | 第44-45页 |
| 3.5.1 稀疏性 | 第44页 |
| 3.5.2 冷启动 | 第44页 |
| 3.5.3 可扩展性问题 | 第44-45页 |
| 3.5.4 其他问题 | 第45页 |
| 3.6 对协同过滤推荐算法进行的评估方法 | 第45-50页 |
| 3.6.1 均方误差 | 第45-46页 |
| 3.6.2 精度和召回率 | 第46-50页 |
| 第4章 基于 Hadoop 云计算平台对协同过滤推荐算法进行的仿真实验 | 第50-62页 |
| 4.1 实验环境 | 第50-51页 |
| 4.1.1 硬件环境 | 第50页 |
| 4.1.2 软件环境 | 第50-51页 |
| 4.2 Hadoop 云计算平台系统的配置 | 第51-56页 |
| 4.3 传统算法和改进后算法的仿真实验和性能对比 | 第56-62页 |
| 4.3.1 基于用户协同过滤推荐算法仿真实验 | 第56-57页 |
| 4.3.2 以项目协同过滤推荐算法为依据进行的仿真实验 | 第57-58页 |
| 4.3.3 多个近邻用户和多个近邻项目结合算法仿真实验 | 第58-59页 |
| 4.3.4 三种算法基于评价指标 MAE 比较的仿真实验 | 第59-60页 |
| 4.3.5 三种算法基于不同数据稀疏程度比较的仿真实验 | 第60-62页 |
| 第5章 总结和展望 | 第62-64页 |
| 5.1 主要研究结论 | 第62页 |
| 5.2 研究展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第68页 |
