用户推荐引擎的设计与实现开题报告

1. 研究目的与意义

给用户提供个性化信息服务，解决信息过载问题，让用户可以快速做出正确决策；让用户与平台之间建立关系，让用户对平台产生依赖，提高用户粘性提高商品转化率，实现双赢；丰富用户的生活，提高生活质量，提高全民素质，带动政治经济发展。

2. 国内外研究现状分析

用户个性化推荐系统的发展大概可以分为三个阶段：

第一阶段是推荐系统形成的初期阶段。这一时期属于面向系统的探索阶段，不仅有基于协同过滤的系统，还有基于知识的系统（比如findme 系统），表明了推荐系统的可行性和有效性，极大地激发了人们推动该领域在科研及商业实践方面不断发展的积极性。这一阶段标志性事件有：

（1）协同过滤。1992年xerox palo alto 研究中心开发了实验系统tapestry，该系统是基于当时相对新颖的利用其他用户显式反馈（评分和注释）的思想，帮助用户过滤邮件，解决邮件过载问题。

3. 研究的基本内容与计划

研究内容： 1. 基于Java研究协同过滤算法的设计与实现，并将基于用户的协同过滤与基于项目的协同过滤各自得出的结果进行对比； 2.将得出数据结果以最简洁的视觉效果呈现，做好用户推荐与群体推荐的分析统计； 3.研究与设计新的规则以降低用户潜在的不良情绪，实现用户推荐后的双赢；

研究计划： 1.准备工作阶段：阅读相关资料，对所用的知识加以熟悉，准备好相关数据； 2.设计开发阶段：算法的设计与实现，实现最终的用户推荐系统搭建； 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，详细描述实现的功能，算法的流程和思路并对论文中的图表按照论文格式进行调整和编号； 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：web网站系统环境搭建、界面设计、数据库数据准备（1~2周），协同过滤算法研究与实现，（3~4周），数据统计视觉呈现（第5周），设计新的规则规范推荐的情况（6~7周），论文大纲和草稿的撰写（第8周），论文初稿的撰写完成（9~10周），论文初稿的修改与完善（第11周），完成论文的提交、审核和答辩（第12周）。

4. 研究创新点

1 合理利用协同过滤的优点，推荐新的信息并提高推荐的准确率，提高用户体验。

2 设计新规则，最大限度提高用户的满意度，消除用户的消极情绪。

3 添加商城功能，提高企业利益。