1. 研究目的与意义
随着互联网的发展和移动终端的迅速普及，互联网近十年出现了爆发性增长，伴随着数据量的指数级增长，如何从海量的数据中精确、快速的提取用户感兴趣的内容，变得至关重要。人们的生活质量得到了极大的提高，网络上供用户观看的电影数量庞大，类型多样，但是用户需要花费大量时间寻找感兴趣的电影，导致电影资源的利用率过低。推荐技术可以从海量信息中挖掘出有价值的信息，并向用户提供个性化服务，可以很好的解决电影资源利用率低的问题。
在当今信息爆炸的时代，互联网网民们可以随时随地的接触到海量的信息，网民生活在信息的海洋里，例如淘宝网有上千万种商品，当当网有上百万种图书，视频网站优酷网上的视频数量达到上亿部。海量信息一方面可以满足用户在信息时代对信息的需求，但是同时产生了新的问题，那就是用户很容易在信息的海洋里“迷航”，用户很难快速地获得自己想要的信息。信息量爆炸但是网民却迷失在信息的海洋里，信息的利用效率降低，信息过载的问题在这样的背景下应运而生。针对信息过载问题，传统的解决方式是基于被动式响应模式，搜索引擎，门户网站都是采用的这种服务模式。该服务模式向所有的用户呈现同样内容的信息，用户仍然需要花费大量的时间和精力筛选过滤自己感兴趣，有价值的信息，即使是搜索引擎，用户可以灵活选择关键词，但是呈现给用户的搜索结果是相同的。推荐系统作为一种解决信息过载的方式，传统的信息过滤技术的不同之处在于推荐系统能针对特定的用户提供服务。推荐系统能够迅速从海量信息中提取用户的需求得到满足，用户体验也得到改善，随之产生的结果是用户对该系统的依赖度和忠诚度也高。
电影电视剧作为民众娱乐的一种方式已经受到原来越多的欢迎。据统计，腾讯会员人数突破1.7亿，爱奇艺会员数也突破1亿。如何在数以千万计的电影、电视剧、纪录片、短视频等形式的视频中，精确推荐用户感兴趣的影视剧，成为一种挑战。本次选取电影推荐系统作为研究对象，使用springboot主流框架与协同过滤算法、相似度计算等技术，完成本次毕设的影视推荐系统。
2. 研究内容和预期目标
1.研究内容：
本课题主要研究基于springboot与协同过滤算法的视频推荐系统。在视频推荐系统中，使用者有两种不同的身份，针对于不同的用户有不同的权限。本系统主要有用户注册，电影评分，电影搜索，电影推荐，电影管理，热门榜单调整，电影评论管理等模块。
模块的主要功能如下：
3. 研究的方法与步骤
1.研究方法：
ljava
服务端开发语言
4. 参考文献
[1]朱智胜. spring boot技术内幕[m]．机械工业出版社. 2020.
[2]mark pollack. spring data实战[m]. 人民邮电出版社. 2017.
[3]吴金龙. netix prize中的协同过滤算法[d].北京大学, 2010.
5. 计划与进度安排
序号起止日期任务工作内容
1、2022-01-20 ~ 2022-02-20调研调研，撰写开题报告
2、2022-02-21 ~ 2022-02-28查阅文献资料论文综述和论文目录
