全文总字数：5732字

1. 研究目的与意义（文献综述）

1.1 研究目的

当今信息时代的浪潮翻涌而来，“互联网 ”新业态实现全面发展推进。时下新兴科学研究发展速度之快，发展规模之大、影响范围之广，使得在现代信息技术大展拳脚的同时，也伴随着爆炸式增长态势的海量信息数量。用户通过网络平台检索其所需信息或资源时，每每需要面对开放共享、目不暇接的数据信息，这不仅极大地提高了与目标对象完成高速有效匹配的难度，甚至可能导致用户由于获取到错误信息从而影响其工作和生活。例如，sasaki y等通过对778名日本微博使用者的调查，表明存在50.6%的用户认为微博中所沉淀的信息数量过于庞大，并且63.7%的用户认为获取的信息中存在大量无意义或错误内容。上述问题就引发了“信息过载”现象，即信息量超过个人、群体的可接纳、分析和有效运用的规模，并导致错误决策的情况。鉴于当今各类网络平台数据信息过载现象的普遍性，如何科学快速地完成信息有效提取和资源合理分配，并将最优结果推送至用户方是目前研究的重中之重。

推荐系统作为消除信息过载现象的重要工具之一，基于深度挖掘数据中心内用户的历史偏好信息，研究更为科学高效的准确定位，从而实现针对目标用户的个性化推荐。推荐系统根据相应算法可主要分为三类：基于内容的推荐、基于用户的推荐（即协同过滤算法）、混合推荐系统。目前许多网络平台都已根据用户属性、兴趣爱好等特征设计实现相应的个性化推荐系统，特别在一些电商购物网站被广泛应用，根据用户历史搜索关键词、浏览记录等预测并推送其可能感兴趣的商品，实现销量与知名度的双双提高，并在某种程度上促使了电商行业的蓬勃发展。

然而，当下传统的个性化推荐系统已无法很好地适用于由多用户参与的群体活动，简单聚合个体用户推荐信息的效果不尽人意，因此针对群体的推荐系统就不能再将研究重点集中于个体推荐服务。如何克服群体内各用户偏好存在的差异性、复杂性等问题，为群体决策给予有力数据支撑是群体推荐系统的研究难点。

2. 研究的基本内容与方案

1.4 基本内容及目标

由于群体内各成员偏好呈现多样性，同时成员内部的共识关系影响最终推荐结果，因此本文将引入一种管理共识过程的新概念——共识演化网络，并基于时下流行的协同过滤算法，结合群体成员之间的信任关系完成群体用户建模与推荐系统研究。主要研究内容如下：

（1）利用协同过滤技术建立共识演化网络，基于信任传播理论，将群体内用户间是否存在共同评分的项目作为标准，综合考虑各用户之间的直接信任与间接信任关系，根据信任强度首先建立个体推荐模型。

（2）考虑群体推荐系统内各用户具有不同的话语权和影响力，引入成员贡献机制，利用用户对项目的评分频度情况赋予各用户不同权重，构建基于共识演化网络和最小共识成本达成的群体推荐模型。

3. 研究计划与安排

1.5 进度安排

（1）2020.3-2020.4：

1）完成开题报告的撰写，参与开题答辩，并根据开题答辩老师的建议合理更改或修改选题内容；

2）查阅相关文献与书籍，完成最小成本网络建模。

4. 参考文献（12篇以上）

参考文献

[1]masoumehriyahi,mohammad karim sohrabi. providing effective recommendations indiscussion groups using a new hybrid recommender system based on implicitratings and semantic similarity[j]. electronic commerce research andapplications,2020,40.