基于深度学习的商品推荐系统研究与实现开题报告

全文总字数：4105字

1. 研究目的与意义（文献综述）

随着电子商务的发展，越来越多的人们喜爱于网上购物。2019年9月8日，在厦门举行的2019全球电子商务大会上，《中国电子商务发展报告2018-2019》对外发布。报告中指出2018年全国电子商务交易额达31.63万亿元，同比增长8.5%。其中，商品、服务类电子商务交易额30.61万亿元，增长14.5%。随着电子商务就业规模日益壮大，电子商务与实体经济融合发展加速，电子商务在壮大数字经济、共建“一带一路”、助力乡村振兴、带动创新创业等方面均发挥了更大的积极作用。

而随着电子商务规模的不断增大，用户和商品的范围，数量，和复杂度等都有着显著扩大和增长。这也就导致了信息过载的现象，即用户需要在海量的商品中花费大量的时间找到自己想要的商品。为了解决这个问题，平台除了提供分类目录和搜索引擎来帮助用户外，还会构建商品个性化推荐系统来为用户提供更加满足用户兴趣的商品。商品个性化推荐系统会给用户购物带来极大的便利，帮助用户快速找到感兴趣的商品，有效解决了信息过载。

所以建立一个优秀的商品个性化推荐系统是极为重要的。

2. 研究的基本内容与方案

研究内容与目标

通过学习对比深度学习推荐系统和常规推荐算法，了解深度学习算法给推荐系统带来那些改变，并实现一种基于deepfm深度学习的推荐系统。

1）数据集的采集与筛选；（2）深度学习模型的构建；（3）学习模型的训练；（4）基于学习模型的商品推荐算法实现；（5）实例系统的设计与实现。

3. 研究计划与安排

(1) 2019/12/20—2020/2/28：确定选题，查阅文献，外文翻译和撰写开题报告； (2) 2020/3/1—2020/4/30：系统架构、程序设计与开发、系统测试与完善； (3) 2020/5/1—2020/5/25：撰写及修改毕业论文；(4) 2020/5/26—2020/6/5：准备答辩。

4. 参考文献（12篇以上）

[1] 李玉鑑，张婷，单传辉，刘兆英. 深度学习：卷积神经网络从入门到精通. 机械工业出版社，2018年

[2] 魏秀参. 解析深度学习：卷积神经网络原理与视觉实践. 电子工业出版社，2018年

[3] 陈云. 深度学习框架pytorch：入门与实践. 电子工业出版社，2018年