1. 研究目的与意义
1.1 研究背景
1992年，Goldberg等人在学术论文中提出了协同过滤算法（Collabrative-Filtering，CF）并且构建了首个个性化推荐系统——Tapestry邮件过滤系统，Tapestry可以根据用户下载的新闻内容来计算用户之间的兴趣相似度，进而利用这种相似度为用户推荐相关的新闻。协同过滤算法在当时的提出对于当时推荐系统的研究具有划时代的意义，进而Taperstry被学术界认为是第一个真正意义上的推荐系统。
1995 年 3 月美国人工智能协会上，Robert Armstrong 等人提出了个性化导航系统 Web Watcher，MarkoBalabanovic 等人提出了个性化推荐系统 LIRA。
2. 研究内容和预期目标
本课题主要研究基于用户偏好的电影推荐系统设计与实现。其实现是通过用户在web端的行为数据，如点击、评分、收藏等，在网页端进行对用户推荐可能喜欢的电影。
图 SEQ 图 \*ARABIC 4 拟实现的效果
3. 研究的方法与步骤
本课题拟先实现基于用户偏好的电影推荐算法，然后构建电影网站将推荐算法整合到网站中进行基于用户偏好的电影推荐。
图 SEQ 图 \*ARABIC 7 研究步骤
4. 参考文献
[1]张坤. 基于Spark机器学习的电影推荐系统的设计与实现[D].南京邮电大学,2022.DOI:10.27251/d.cnki.gnjdc.2022.000686.
[2]吴锦昆. 基于用户兴趣的推荐算法研究[D].南京邮电大学,2022.DOI:10.27251/d.cnki.gnjdc.2022.001276.
[3]殊金鹏. 基于用户多兴趣的个性化推荐算法研究[D].西北大学,2022.DOI:10.27405/d.cnki.gxbdu.2022.000191.
5. 计划与进度安排
（1） 2月1日——3月15日，完成原型系统的开发。
（2） 3月16日——4月20日，完成毕业设计论文初稿。
（3） 4月21日——5月15日，修改毕业论文，完成论文的定稿工作。
以上是毕业论文开题报告，课题毕业论文、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。
