全文总字数：4015字
1. 研究目的与意义（文献综述）
随着网络技术的快速发展，网络世界的信息量不断膨胀，用户想要在众多的信息中寻找到自己想要的信息已经变得非常困难，即出现了所谓的“信息过载”现象。信息过载指的是社会信息超过了个人所能接受、处理或有效利用的范围，并导致故障的状况。推荐系统的出现就是为了解决信息过载的问题，帮助用户在无数的产品中寻找到自己喜爱的产品。
如今，推荐系统已经被各种电子商务网站广泛的应用。个性化推荐可以为电子商务网站带来巨大的利益，个性化推荐的目的是根据具有相似偏好的用户的观点来向目标用户推荐新的商品。一个好的推荐系统能够发掘用户喜欢的项目，并推荐给用户。对于用户而言，一个电子商务网站如果能够给用户推荐喜欢的商品，那么这个网站就能够受到用户的青睐，电子商务网站也能够拥有更多的粘性用户，进而提高网站的竞争力。
在众多的推荐算法中，基于协同过滤的推荐算法被应用的最广泛也最成功。本文旨在研究基于协同过滤的推荐算法，深入理解基于用户的协同过滤推荐算法和基于项目的协同过滤推荐算法的实现步骤，通过使用相关的数据集来进行实验，比较不同算法的推荐质量，分析算法的优缺点，并提出可能的改进方法。
2. 研究的基本内容与方案
基本内容：采用 python 程序设计语言完成协同过滤的推荐设计与实现，使其能按照用户的历史兴趣和对物品的评分差异推荐n个物品。设计实现数据预处理模块以及数据分析模块，捕捉到用户对不同物品的兴趣，利用用户相似性或者物品相似性进行预测用户的偏好。最后对算法进行改进，如考虑融合其他特征或者使用图结构等进一步挖掘用户和物品之间的联系。
技术方案：
1.本课题使用基于协同过滤的推荐算法的思想，利用 python 语言设计实现基于用户的协同过滤推荐算法和基于项目的协同过滤推荐算法。
3. 研究计划与安排
2020/1/13——2020/2/28：查阅与课题有关的文献，研究基于协同过滤的推荐算法，掌握相似性计算方法和评测指标，撰写开题报告。
2020/3/1——2020/3/30：使用python语言实现算法，在movielens数据集上进行实验，对比不同算法之间在不同条件下的推荐质量和时间效率，并对实验结果进行分析。
2020/4/1——2020/4/30：研究聚类算法和基于模型的推荐算法，改进已经实现的推荐算法中存在的一些问题，重新进行实验。
4. 参考文献（12篇以上）
[1]陈耶拉,耿秀丽.基于改进协同过滤的个性化产品服务系统方案推荐[j/ol].计算机集成制造系统:1-12[2020-02-26].
[2]陆航,师智斌,刘忠宝.融合用户兴趣和评分差异的协同过滤推荐算法[j/ol].计算机工程与应用:1-8[2020-02-26].
[3]王岩,王聪英,申艳梅.改进蜂群优化聚类集成联合相似度推荐算法[j/ol].计算机工程:1-8[2020-02-26].
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
