个性化推荐系统的研究与设计开题报告

1. 研究目的与意义

内容：

推荐系统是一种信息过滤系统，用于预测用户对物品的评分或偏好。推荐系统产生推荐列表的方式通常有两种：协同过滤以及基于内容推荐。协同过滤方法根据用户历史行为（例如其购买的、选择的、评价过的物品等）结合其他用户的相似决策建立模型。这种模型可用于预测用户对哪些物品可能感兴趣（或用户对物品的感兴趣程度）。基于内容推荐利用一些列有关物品的离散特征，推荐出具有类似性质的相似物品，两种方法经常互相结合。个性化推荐的最大的优点在于，它能收集用户特征资料并根据用户特征，如兴趣偏好，为用户主动做出个性化的推荐。

本次的设计是电影推荐系统，运用当前较为前沿和成熟的算法来为用户提供算法推荐。和视频软件上的推荐类似，只不过是专门推荐电影以及讨论评价影片的。

2. 文献综述

个性化电影推荐系统的设计与实现

摘要：

个性化推荐技术，是指从众多信息中提取出有用的信息。通过收集用户的行为日志等数据，分析用户的偏好并向其推荐感兴趣的信息。主流的推荐算法包括: 基于知识推荐、基于内容推荐、协同过滤算法和组合推荐。基于协同过滤的推荐算法又可分为两大类: 基于内存和基于模型的协同过滤。基于内存的协同过滤再细分为基于用户和基于项目的协同过滤。前者适用于用户数远小于项目数的系统，后者则适用于项目数远小于用户数的系统。电影可分为28中不同的类型：动作电影、奇幻电影、喜剧电影、恐怖电影、冒险电影、爱情电影、警匪电影、科幻电影、战争电影、灾难电影、温情电影、史诗电影、实验电影、微电影、微动画电影、悬疑电影、音乐电影、黑帮电影、纪录电影、公路电影、意识流电影、动画电影、惊悚电影、西部电影、人物电影、飞车电影、家庭电影、超级英雄电影。在此系统中，主要用的协同过滤方法是以上两种。

3. 设计方案和技术路线

设计方案：

首先，必须了解和掌握推荐系统基本原理和相关算法；其次，熟悉和熟练掌握高级语言编程，学习和准备visual studio 2013 和谷歌浏览器以及c#网页开发的相关知识，能够对推荐系统所需的算法技术进行运用；最后，推荐构架设计框架，搭建模型，最终完成代码，实现系统。

4. 工作计划

12月16日12月31日：收集资料

01月15日02月21日：需求分析

02月22日02月28日：概要设计

5. 难点与创新点

特色：

1. 通过有关的数据库，来储存用户及电影信息。

2. 通过基于用户的协同过滤算法来设计系统。