基于协同过滤的考研资料推荐系统的设计与开发开题报告

全文总字数：4001字

1. 研究目的与意义

互联网行业在高速发展的同时也带动了一批传统行业的突破。

在互联网环境下，学习者基于互联网可以获取各类学习资源，发布学习资源。

互联网为学习者提供了相对自由的学习环境，然而各类网络学习资源的数量也呈现指数式增长，甚至形成＂信息过载＂。

2. 国内外研究现状分析

2学习资料推荐系统的相关研究随着互联网的快速发展，通过互联网学习的机会也越来越多，涌现了很多图书商城，其中当当网的书籍推荐系统是在国内非常有名的，还有一些网上数字图书馆，其中kingbase-dl数字图书馆个性化系统是由中国人民大学金仓信息技术有限公司开发的，该系统依据用户兴趣建模，完成图书学习资料的推荐，anand和kumari设计了一款使用结合基于分类的用户的协同过滤和关联规则的组合推荐的图书馆系统，向在校大学生推荐图书[3]。

tewari a s和barman a g则结合现代最重要的信息来源之一，社交网络，提出了一种图书推荐系统，该系统从目标用户的可信任朋友的协作中生成推荐，并使用关联规则挖掘来捕获网络中用户的当前阅读趋势[4]。

然而，与学习资料或者学习资源推荐的相关文献却少之又少。

3. 研究的基本内容与计划

研究内容：1绪论1.1研究的目的与意义 1.2国内外研究现状 1.3本文研究内容 1.4论文结构 2个性化推荐系统相关技术 2.1推荐系统的概念2.2个性化推荐的主要方法 2.2.1 基于内容的推荐 2.2.2协同过滤推荐 2.2.3基于关联规则推荐 2.2.4基于效用推荐 2.2.5基于知识推荐 2.2.6混合推荐 2.3本章小结 3考研资料推荐系统的需求分析和系统构架 3.1考研资料推荐系统的需求分析 3.2系统功能需求 3.3考研资料推荐系统架构 3.4本章小结 4考研资料推荐系统的推荐引擎设计 4.1基于用户的协同过滤推荐算法 4.1.1构建评分矩阵 4.1.2找寻最近邻居集合 4.1.3产生推荐 4.2基于项目的协同过滤推荐算法 4.2.1找寻最近邻居集合 4.2.2产生推荐 4.4本章小结 5推荐系统的实现 5.1系统开发与运行环境 5.2数据集介绍 5.3创建数据库 5.4数据处理 5.5推荐模块代码实现5.5.1基于用户的推荐算法实现 5.5.2基于项目的推荐算法实现 5.6处理页面请求5.7系统实现 5.7.1界面 5.7.2结果展示 5.8不足之处 5.9本章小结 6 结 论 7 致 谢 8 参考文献 研究计划:2017年12月中旬-2018年1月：确定论文题目，收集资料2018年1月-2018年1月中旬：开题报告、文献综述2018年1月中旬-2018年2月中旬：学习算法2018年2月中旬-2018年3月中旬：进行系统设计2018年3月中旬-2018年5月：进行论文撰写2018年5月-2018年5月中旬：定终稿

4. 研究创新点

针对现如今越来越多加入考研大军的情况以及考研时间紧迫，越来越多的人需要在考研初期就尽快找到适合自己的考研资料情况，本文将采用优化了的协同过滤推荐算法设计并实现考研资料推荐系统。