全文总字数：3180字
1. 研究目的与意义
众所周知，我们当今所处的时代是信息爆炸的时代，人类正在以一种前所未有的速率产生数据。维基百科将这种没有办法在一定时间内进行抓取、处理的数据称为大数据。在信息层面上讲，这就是我们所处的时代大数据时代。毫无疑问，电子商务所产生的数据也可称之为大数据，大数据隐含了很多有意义有价值的信息，我们需要一个合理有效的利用方式来使用大数据以实现电子商务平台自身的腾飞发展。除此之外，愈来愈激烈的电子商务平台之间的竞争也导致了对能够增强电子商务平台竞争力的系统的需求。个性化推荐系统便能够同时满足以上两个需求，这也是本文所要研究的方向与目的。
个性化推荐系统在如今的电子商务平台的竞争中已然扮演着重要的角色。大学生在网购者这个群体中占有重要比重，研究大学生的购物习惯并据此针对大学生群体进行商品推荐对于提高商家销售业绩有着重要意义。如今的商业竞争越来越激烈，如果商家能够抓住消费者的消费习惯，尽可能提高消费者的满意度，便能够在竞争中生存下来。针对大学生的个性化推荐系统就是一种这样的模型，对于大学生这个群体的研究亦可延伸到其他群体，这样便能够从整体上提高商家竞争力，实现利润的获取。2. 国内外研究现状分析
一、国内研究现状
我国对于个性化推荐系统的研究虽然起步晚，而且没有形成在国际上具有竞争力的研究团队，但是随着越来越多的人投入到电子商务行业，个性化推荐系统近几年也取得了突飞猛进的发展。黎星星等人提出了以整合语义网络技术为基础的web推荐系统[1]。杨引霞等人提出基于关联规则的推荐模型来实现个性化推荐，并在其中引入领域知识、利用概念树的形式结构化表示[2]。熊馨等人研究并提出了基于概念分层上的个性化推荐算法[3]。陈俊杰等人基于本体并结合树图以及空间图进行了兴趣建模[4]。潘红艳等人建造出基于本体的半自动化个性化推荐系统，其将用户的特征用关键词的网状结构来进行表示[5]。张培颖等人利用特征提取以及web内容和日志挖掘技术构建出个性化网络推荐系统[6]。宋立哲等人将本体语义信息实现模型应用于基于本体的用户模型表示方法的研究中[7]。杨明学等人运用领域本体构建的用户兴趣模型并结合语义本体相似度算法实现了个性化网页推荐系统[8]。邵秀丽等人提出了在实现个性化推荐系统过程中要隐形地用户操作时间、浏览内容以及浏览时间等信息，此外还要抓取web文档内容并构建模型，在这个基础上利用svm分类法构建推荐库等[9]。潘新等人运用加权映射法研究出基于物质扩散的个性化推荐系统的算法中用户兴趣所产生的影响[10]。黎明等人结合了云模型进行用户项目评分以及用户聚类操作并提出了基于项目和用户的个性化推荐算法[11]。陈一峰等人在对基于本体的用户兴趣模型构建方法进行的研究中，重点分析并描述了本体的构建和模型的更新过程，进行了适度的调整来提高用户模型的精准度[12]。郑健等人利用hadoop技术提升了协同过滤推荐系统对于应对大规模数据的能力，实现了协同过滤算法基于hadoop框架的建模、计算和评估[13]。胡于响等人将大数据计算框架spark与推荐技术结合在一起，提供了更加快速的推荐[14]。李川等人使用hadoop作为实时物品推荐系统的离线处理，而且结合storm的在线处理，联同协同过滤算法进行实时推荐[15]。
二十一世纪以来，随着电子商务和社交网络在我国的兴起，我国互联网信息服务业得到了高速的发展，个性化推荐系统也获得了广泛关注。国内各个主流的电子商务网站，如淘宝、天猫、京东等，都已建立了自己的个性化商品推荐系统。然而这些已经实际投入运用的个性化推荐系统都或多或少的存在一些问题，例如淘宝网的个性化推荐系统只能给消费者提供其浏览以及购买的相似商品而并不能提供其可能感兴趣的其他类商品。但是我国对于个性化推荐系统的各种算法的理论研究却有重大进展。目前我国在个性化推荐系统方面紧跟世界信息系统发展趋势，实现了基于hadoop、spark等框架的用于应对大数据的个性化推荐系统。
3. 研究的基本内容与计划
研究内容:
1.绪论
1.1研究背景及意义
4. 研究创新点
研究内容:
1.绪论
1.1研究背景及意义
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
