基于过滤方法的用户推荐引擎开题报告

1. 研究目的与意义

当前的时代是一个信息爆炸的时代。人们怎样过滤信息，快速地找到自己想要的内容成为重中之重。 本课题的目的在于帮助用户快速找到自己心仪的电影。在系统中获取用户的基本信息以及电影的分类信息，通过基于内容的过滤将电影筛选出来。极大地减少了用户的浏览及搜索时间，提升用户的体验。

2. 国内外研究现状分析

国外：1995年3月，斯坦福大学的markobalabanovic等人首次在美国人工智能协会提出了个性化推荐系统lira。2003年，google开创了adwords盈利模式，通过用户搜索的关键词来提供相关的广告。adwords的点击率很高，是google广告收入的主要来源。

国内：2009年7月，国内首个推荐系统科研团队北京百分点信息科技有限公司成立，该团队专注于推荐引擎技术与解决方案，在其推荐引擎技术与数据平台上汇集了国内外百余家知名电子商务网站与资讯类网站，并通过这些b2c网站每天为数以千万计的消费者提供实时智能的商品推荐。2011年9月，百度世界大会2011上，李彦宏将推荐引擎与云计算、搜索引擎并列为未来互联网重要战略规划以及发展方向。

综合国内外的情况，国外率先提出推荐引擎的概念并投入商用。国内虽然起步相对较晚，但是越来越重视推荐引擎的应用。推荐引擎是解决大数据时代信息过载问题的重要方法之一。

3. 研究的基本内容与计划

研究内容： 1. 使用amaze ui及spring搭建系统框架； 2.在系统中调取用户基本信息及电影分类信息，用算法进行筛选； 3.将筛选结果在网页中展示；

研究计划： 1.准备工作阶段：阅读spring开发的相关资料，了解开发的基本知识，完成初步框架设计； 2.设计开发阶段：相应数据处理计算的选择，设计页面的展现形式，完成系统的功能和交互设计，并完成系统开发工作以及进行系统自测； 3.撰写论文阶段：根据前期的设计以及最终实现的功能，完成论文的撰写工作，详细描述应用实现的功能； 4.论文交审阶段：完成论文的提交，审核和答辩。

具体时间安排：搭建系统开发基础框架、对比选择开发所需的组件库（1周），页面和交互的设计（2周），代码编写（3~6周），系统的测试与改进（7-8周），论文大纲和草稿的撰写（9周），论文初稿的撰写完成（10周），论文初稿的修改与完善（11周），完成论文的提交、审核和答辩（12周）。

4. 研究创新点

1 充分利用了计算机的数据处理能力，根据用户的个人口味和喜好更快速地找到电影。

2使用轻量级的前端框架：amaze ui，能够大量减少开发时间，自动适配电脑及手机屏幕尺寸，在 ui 交互方面也更加美观。

3 使用mahout的算法库，直接调用相应api，简化开发