全文总字数：4031字
1. 研究目的与意义（文献综述）
1 研究的目的和意义
信息技术和互联网的高速发展，使人们进入了信息过载的时代，在信息传递变得方便的同时出现了信息过量的问题，人们无法接受所有的信息，所以，信息的选择性阅读便成为了人们面对海量信息的方式。最常见的信息选择方式是通过关键字搜索，人们通过关键字去寻找自己想要的信息，但是面对复杂而多样的信息，很多人会因为没有明确的需求而无法通过关键字搜索来找到自己想要的东西，然而在生活节奏变快的时代，又不允许人们通过广泛的浏览去确定自己想要的东西，而一些热门的推荐，也不能符合所有人的兴趣，为了解决这些比较尴尬的问题，推荐引擎出现了，它通过机器学习用户的行为习惯，分析用户的个性特征，从而推荐用户可能感兴趣的东西。目前，推荐引擎以及应用到了各个领域，其中电子商务使用最为广泛，推荐引擎也是很多公司盈利的重要来源。该项目，就是在推荐引擎的背景下，以协同过滤算法为主线，设计出根据用户个性进行电影推荐的系统，致力于解决不知道自己想要看什么电影的用户，可以根据他们的浏览记录，推荐给他们可能感兴趣的电影。
在国内，对于推荐系统的研究多数集中在理论和技术方面，并且取得了一定的成果。比如，针对评价数据的稀疏性问题，有协同过滤算法，但是传统的算法会因为用户的评分产生很大的影响，并不是很可靠，因此有学者对其进行了改良，使其计算结果更加准确。针对算法的可扩展性，有相关文献提出了项目聚类的协同过滤推荐算法，显著的提高了推荐质量。以上方法各具优缺点，因此很多研究者通过结合多种过滤技术的方式来对推荐系统进行不断的改良。
2. 研究的基本内容与方案
1 研究的基本内容和技术方案
1.1 主要研究内容
本设计采用b/s结构，综合运用以前所学的专业知识，设计开发一个功能较完善的电影推荐系统系统，具体包括以下内容：
(1) 查阅协同过滤的相关资料，了解协同过滤对于数据稀疏的计算方式；
3. 研究计划与安排
1 进度安排
2月28日前，完成开题报告；
3月10日前，完成数据库设计和概要设计；
4. 参考文献（12篇以上）
1 引用文献
[1]黄莹, 宋伟伟, 邓春玲,等. 协同过滤算法在电影推荐系统中的应用[j]. 软件导刊, 2015, 14(8):92-93.
[2] 李绍俊, 杨海军, 黄耀欢, et al. 基于nosql数据库的空间大数据分布式存储策略[j]. 武汉大学学报：信息科学版, 2017(2):163-169.
