全文总字数：3903字
1. 研究目的与意义（文献综述）
设计（论文）的目的是：
随着信息技术迅速发展和在线服务的普及，人们能够快速获取大量信息，这也使得人们从信息匮乏的时代跨进了“信息过载”的时代。数据的“爆炸式”增长，为人类记忆和处理信息的能力带来了极大的挑战，大量冗余信息严重干扰对有用信息的提取和利用，增加信息处理的成本。网络上大量的信息使得用户不得不花费大量的时间和精力去寻找自己感兴趣或者真正有用的信息，由此便导致了“信息过载”和“信息爆炸”的问题。个性化推荐作为目前解决信息过载问题的主要技术，个性化推荐技术已经在诸多领域得到了应用，如电子商务、社交网站、搜索引擎等。个性化推荐系统被用来帮助用户在大量的信息中寻找感兴趣的内容, 它体现的“个性化”服务目前越来越为大型网站、电子图书馆等众多领域所接受,成为它们的一个重要的功能。
推荐系统的出现，在很大程度上解决了供求关系的矛盾，针对不同用户群体，实现了广告精准投放，从而实现广告的高效投放。推荐系统基于大量的个性化历史数据，从中发掘出数据中隐含的关联关系和信息。例如，深度研究用户的浏览记录，分析出用户的兴趣偏好，并个性化计算用户需求，即使用户对自身的需求不明确，通过建立用户的兴趣偏好模型，也可以快速地定位用户最可能的偏好，从而为用户提供满足需要的个性化信息推荐。通过这种方式，推荐系统为用户提供个性化的决策支持和信息服务，引导用户发现自己的信息需求。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 研究的基本内容与方案
设计（论文）的基本内容是：
建立网站：使用python编程语言进行网站的搭建。
搭建服务器：使用python编程语言进行服务器的搭建。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 研究计划与安排
1、 2020/1/13—2020/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；
2、 2020/3/1—2020/4/30 ：系统架构、程序设计与开发、系统测试与完善；
3、 2020/5/1—2020/5/25：撰写及修改毕业论文；
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
4. 参考文献（12篇以上）
| [1]黄立威,江碧涛,吕守业,刘艳博,李德毅.基于深度学习的推荐系统研究综述[J].计算机学报,2018,41(07):1619-1647. |
[2]尹祎,冯丹,施展.一种基于效用的个性化文章推荐方法[J].计算机学报,2017,40(12):2797-2811.
[3]孟祥武,李瑞昌,张玉洁,纪威宇.基于用户轨迹数据的移动推荐系统研究[J].软件学报,2018,29(10):3111-3133.
[4]王辉,高利军,王听忠.个性化服务中基于用户聚类的协同过滤推荐[J].计算机应用,2007(05):1225-1227.
[5]游文,叶水生.电子商务推荐系统中的协同过滤推荐[J].计算机技术与发展,2006(09):70-72.
| [6]王俊淑,张国明,胡斌.基于深度学习的推荐算法研究综述[J].南京师范大学学报(工程技术版),2018,18(04):33-43. |
| [7]黄山山. 协同过滤推荐算法的关键性问题研究[D].山东大学,2016. | [8]郁雪. 基于协同过滤技术的推荐方法研究[D].天津大学,2009. | [9]蒋文娟,苏佳,陆娜,李富芸.基于协同过滤算法的服装个性化推荐研究[J].电脑知识与技术,2019,15(35):194-196. | | [10]邓亚文,罗可.一种基于用户和物品相似度的融合协同过滤推荐算法[J].电脑与信息技术,2019,27(01):6-10 33. | [11]Idris N, Foozy C F M, Shamala P. A GenericReview of Web Technology: DJango and Flask[J]. International Journal ofEngineering Information Computing and Application, 2019, 1(1) | [12]Jie Chen,Xianshuang Wang,Shu Zhao,Fulan Qian,Yanping Zhang. Deep attention user-based collaborative filtering for recommendation[J]. Neurocomputing,2020,383. | | [13]Zhongbin Sun,Jingqi Zhang,Heli Sun,Xiaoyan Zhu. Collaborative filtering based recommendation of sampling methods for software defect prediction[J]. Applied Soft Computing Journal,2020. | [14]Hong, B., Yu, M. A collaborative filtering algorithm based on correlation coefficient. Neural Comput Applic 31, 8317–8326 (2019). | [15]Nour Nassar,Assef Jafar,Yasser Rahhal. A novel deep multi-criteria collaborative filtering model for recommendation system[J]. Knowledge-Based Systems,2020,187. [16] Luis Omar Colombo-Mendoza,Rafael Valencia-García,Ricardo Colomo-Palacios,Giner Alor-Hernández. A knowledge-basedmulti-criteria collaborative filtering approach for discovering services inmobile cloud computing platforms[J], Journal of Intelligent InformationSystems, 2020, Vol.54 (1) | | |
剩余内容已隐藏，您需要先支付
10元 才能查看该篇文章全部内容！
立即支付
