基于推荐系统的协同过滤算法研究开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

[研究的意义] 互联网的出现和普及给用户带来了大量的信息，满足了用户在信息时代对信息的需求。

事实上，推荐系统和搜索引擎是互补的，在用户明确自己的要求时，就可以用搜索引擎找到需要的信息，但随着网络的迅速发展而带来的网上信息量的大幅增长，使得用户在面对大量信息时无法从中获得对自己真正有用的那部分信息，对信息的使用效率反而降低了，或者没有明确的目的，这时基于用户的个性化推荐就派上了用场，这就是从而在一定的程度上面解决了所谓的信息超载问题。

解决信息超载问题一个非常有潜力的办法是推荐系统，它是根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户的个性化信息推荐系统。

2. 研究的基本内容和问题

[研究的目标] 在推荐系统中寻找目标用户最有效邻居方面，本文利用用户的属性特征对用户进行聚类。

先找到目标用户所在的聚类簇，然后在这个聚类簇中利用改进的用户相似度量方法寻找目标用户的最近邻居。

在预测阶段，本文利用能使改进算法达到最低mae值(推荐评价标准)的最近邻居来预测用户未评分项目的评分，并且通过实验验证了这种方法比单纯用基于用户的协同推荐算法具有更高的推荐质量。

3. 研究的方法与方案

[研究方法]Linux下c 编程，算法的应用[技术路线] 数据挖掘 算法设计及优化 性能优化[实验方案] 阅读一些相关书籍以及专家的学术论文，理论结合实践，通过用户的反馈不断地优化算法及操作性能。

[可行性分析] 有一些有经验的人可以向他们请教一些不懂的问题

4. 研究创新点

借鉴了集体智慧的想法，解决了推荐系统的冷启动问题。

绕过svd的大数据算法，同样的数据量用性能较好的皮尔逊相关度计算向量相似度。

5. 研究计划与进展

[研究计划及预期进展]3,4月 定初稿及与老师沟通，改进。

5月 按照老师的要求提交论文，进行论文答辩。