基于多模型融合策略的电影推荐系统设计与实现开题报告

全文总字数：5553字

1. 研究目的与意义（文献综述）

题目：基于多模型融合策略的电影推荐系统设计与实现

目的及意义：

互联网的出现和普及给用户带来了大量的信息，满足了用户在信息时代对信息的需求，但随着网络的迅速发展而带来的网上信息量的大幅增长，使得用户在面对大量信息时无法从中获得对自己真正有用的那部分信息，对信息的使用效率反而降低了，这就是所谓的信息超载问题。

2. 研究的基本内容与方案

基本内容：

本系统分为三步开始筹备，首先是基于python的scrapy框架爬取电影，进行数据准备。然后基于spark框架进行数据训练，采用协同过滤和基于内容的推荐等算法完成电影推荐。最终基于springboot框架进行web后端开发。采用uml进行建模，并严格按照软件的生命周期进行开发。

正如图1所展示的功能模块，web主要模块分为：

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；

4. 参考文献（12篇以上）

[1]koren y. factorization meets the neighborhood: a multifaceted collaborative filtering model[c]//proceedings of the 14th acm sigkdd international conference on knowledge discovery and data mining. 2008: 426-434.

[2]breese j s, heckerman d, kadie c. empirical analysis of predictive algorithms for collaborative filtering[j]. arxiv preprint arxiv:1301.7363, 2013.

[3]linden g, smith b, york j. amazon. com recommendations: item-to-item collaborative filtering[j]. ieee internet computing, 2003, 7(1): 76-80.