基于奇异值分解的低秩矩阵填充问题研究开题报告

全文总字数：3034字

1. 研究目的与意义（文献综述）

目的及意义

随着时代的进步与发展，互联网逐渐充斥着我们的生活。2019年8月30日中国互联网中心（cnnic）在京发布第44次《中国互联网络发展状况统计报告》，报告表明，截止2019年6月，我国网民规模达到8.54亿，手机网络规模达8.47亿，互联网普及率达61.2%。中国互联网用户的不断增长及中国互联网的持续发展与创新，造就了中国经济的蓬勃发展。

用户的增长，伴随着海量信息在互联网上流通。但由于数据量过大，用户往往很难从大量数据中检索出对自己有用的信息，这严重地降低了用户在生产、生活中效率。我们希望设计相应的功能，将人们从其中解放出来，而“个性化推荐”便是解决该问题的一种手段，其定义是——基于海量数据信息挖掘找到用户的个性化需求，从而为用户提供合适的推荐和建议，协助用户找到所需要的信息[1]，其在电商领域，社交领域都取得了不错的成效。在推荐算法的效率问题上，emmanuel[2]做出了开创性贡献，提出低秩矩阵的奇异值分解方法，该方法是将低秩矩阵的填充问题转化为核范数最小化问题，很好的提高推荐效率。

2. 研究的基本内容与方案

3. 研究计划与安排

3月25日，提交开题报告和英文翻译

4月8日，相关理论撰写完毕

4月15日，相关算法及理论撰写完毕

4. 参考文献（12篇以上）

[1]薛可嘉. 结合用户兴趣的矩阵填充算法研究[d].内蒙古大学,2018.

[2] jian-feng cai. emmanuel j. candes.zuowei shen. a singular value thresholding algorithm for matrix completion.siam journal on optimization, 2008.

[3] j. bennett and s. lanning. thenetflix prize. in proceedings of kdd cup and workshop, california, 2007.