1. 研究目的与意义
1.1 研究背景
在当今社会环境下，图书的种类和数量急速增加，读者想要准确、快速地找到自己感兴趣的图书越来越困难。读者检索图书，检索结果可能成千上万，读者需要花费很大的时间和精力去寻找自己想要的图书；另外，读者的需求也各种各样，不同专业、不同爱好的读者对图书的需求不同，传统的图书检索系统不能满足读者的个性化需求。在信息数据交互量剧增的当下，数据挖掘与机器学习技术飞速发展，推荐技术在高校学生的学习、生活中已成为一种主流的兴趣爱好反馈方式。
在推荐系统发展的早期，常见的推荐方法是简单的依据物品的销量、话题的点击量或是新闻的阅读量等进行排序，然后选取排在最前面的N个物品组成排行榜并推荐给用户。这种方法具有非常不错的效果，直到今天仍能经常在各大网站上看到类似的功能。但另一方面，这种方法也存在着巨大的缺陷，即只有少量的排在前列的物品能够得到推荐，更多的物品则被埋没不为人知，根据营销中的“长尾理论”即使是细小市场的累计所产生的利润同样是巨大的，因此如何充分利用已有资源（物品），并使得推荐尽可能准确，成为了推荐系统领域研究的主要目标，由此个性化推荐系统应运而生。个性化推荐系统，顾名思义即指根据用户的个性与偏好来产生推荐内容，由于不同用户的个性与偏好存在差异因此对其推荐的内容也会有所不同，这样一方面可以使得更多的物品得到推荐，利于获取更多小的细分市场的利润；另一方面，由于推荐是根据用户的偏好产生的，因此推荐成功的概率也更高。
2. 研究内容和预期目标
2.1 主要研究内容
（1）了解推荐系统的由来，市场对其需求所在以及常见的推荐模型算法。知晓其本质是一个信息过滤系统，是基于用户数据、用户行为数据和商品内容信息并通过一定的算法来预测用户的偏好，并根据用户的偏好特点来过滤掉用户不感兴趣的商品或内容，从而不断吸引用户留在产品上。
（2）对本课题所需的协同过滤算法展开学习了解。所谓协同就是协同大家的反馈、评价和意见行来进行决策(推荐)，生物上有协同进化的说法，通过协同的作用，让群体逐步进化到更佳的状态。对于推荐系统来说，通过用户的持续协同作用，最终给用户的推荐会越来越准。而过滤，就是通过协同将海量的信息进行过滤，从中筛选出目标用户可能感兴趣的推荐过程。协同过滤分为基于用户的协同和基于物品的协同，根据本课题研究特点选取适当的方式，学习常见的相似度计算方式，了解不同计算方式的优缺点，选取合适的计算方式。
3. 研究的方法与步骤
（1）本系统可视化平台以MVC模式进行构建，应用层采取SSM框架、MySQL数据库支持以及基于用户的协同方式。基于用户的协同过滤思想基本可体现为：当一个用户A需要个性化推荐时，可以先找到和他有相似兴趣的其他用户，然后把那些用户喜欢的、而用户A没有听说过的物品推荐给A。图1为基于用户的协同过滤算法的推荐思想。
图1 基于用户的协同过滤算法的推荐思想
4. 参考文献
[1]赵宇凤.基于协同过滤的图书推荐系统[J].微型电脑应用,2022,38(01):181-184.
[2]付羽逍,王祎珺,敖明明,杨伊帆.一种基于协同过滤的图书推荐平台[J].中国科技信息,2021(10):117-118.
[3]柯翔敏,陈江,罗光华.一种改进的基于兴趣相似度推荐算法[J].计算机工程,2020,46(08):78-84.DOI:10.19678/j.issn.1000-3428.0054596.
5. 计划与进度安排
（1）2024.12.18 – 2024.1.1
确认选题，理解课题内容，确认原型系统的功能和模块划分。
（2）2024.1.2 – 2024.2.1
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。
