基于协同过滤的个性化推荐算法研究开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

1.1 课题意义互联网用户的快速增加刺激了互联网应用的爆炸式增长，导致网络上的数据正以指数级趋势增长。

当下人们面临的一大难题便是如何从海量的信息中快速而准确的找到自己所需的信息，这就是所谓的信息过载(information overload) [1]问题。

最初，人们通过信息检索技术对网络中的资源进行过滤，以帮助用户找到所需内容。

2. 研究的基本内容和问题

2.1研究目标本次课题的目标在于研究基于物品的协同过滤算法并在多样性方面进行相关改进，最后再进行对比分析。

（1） 数据集基于movielens评分数据集，对评分数据集进行了预处理。

（2） 推荐算法及改进本次设计采用基于邻近（itemcf）的协同过滤算法，但是传统的协同过滤算法并不涉及到用户或项目的具体特征，输入值只有用户-项目评分矩阵，而基于项目的推荐是将与其他用户喜欢的项目相似度较高的一些项目推荐给目标用户，这会使得推荐的项目局限在一类项目里，甚至与其他用户喜欢的项目相同，这就导致推荐多样性程度很低。

3. 研究的方法与方案

3.1研究方法1) 研究方法主要从理论入手将推荐算法相关理论知识内容研究透彻，为下一步研究奠定基础。

2) 再进行软件环境的搭建，在搭建的过程中，研究并总结不足与发现，并充分利用现有资源进行学习。

3) 将系统集成，最终完成数据的推荐与分析。

4. 研究创新点

对原算法进行改进对评测结果进行分析

5. 研究计划与进展

2018 1.1-2.1 进行理论知识的学习。

2018 2.1-2.15选择合适的数据集完成初步的数据分析。

2018 2.16-3.10完成初步的推荐算法。