基于协同过滤算法的电视节目推荐的研究开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

1.本课题研究意义

随着智能电视逐渐取代传统有线电视，人们可以更加自由地选择想要观看的节目。而海量的电视节目对电视节目播放平台和观看用户而言都是巨大挑战。对于电视节目播放平台，如何打造推荐平台，引起观看用户的关注，从而增加自身拥有的电视节目的播放量，是一件亟待解决的问题；对于信息消费者，如何从海量的电视节目中快速找到自己感兴趣的内容，也不是一件容易的事。针对上述问题，个性化服务应运而生，个性化系统本质上就是连接用户和物品的纽带，既帮助用户发现自己感兴趣的物品，也帮助物品顺利引起对它感兴趣的用户的关注。因此，推荐系统受到越来越多的人关注，而推荐系统中最重要的部分则是推荐算法。其中协同过滤推荐技术是推荐系统中应用最早和最为成功的技术之一，不仅在学术界得到了广泛研究，而且在社会上也得到了广泛应用。协同过滤算法是当前推荐系统中应用最广泛的推荐算法，在互联网各个领域都有实际的应用价值。

2.国内外研究概况

2. 研究的基本内容和问题

1.研究目标

本课题利用某广电网络运营公司提供的用户观看记录信息数据，首先将收集到的数据设计一个用户-电视节目评分矩阵，再通过聚类分析将拥有相似爱好的用户聚为一类，即找到和目标用户兴趣相似度高的用户群体。之后找到这个群体中目标用户喜欢的，且没有收看过的电视节目推荐给目标用户。最终得以实现电视节目个性化推荐。

2.研究内容

3. 研究的方法与方案

1.研究方法

运用r语言对某广电网络运营公司提供的用户观看记录信息数据首先进行数据预处理。再进行用户聚类，将兴趣相似度高的用户群体聚为一类。最后，使用r语言编译协同过滤算法最终进行个性化电视节目推荐。

2.技术路线

4. 研究创新点

特色或创新之处

(1)使用某广电网络运营公司提供的用户观看记录信息数据，分析出所提供的用户行为偏好，从而进行个性化电视节目推荐。这一数据未使用于之前的研究中。

(2)对传统的协同过滤算法进行改进，针对用户-电视节目评分矩阵的稀疏性，采用slopeone算法对用户-电视节目评分矩阵填充。

5. 研究计划与进展

研究计划及预期进展

2020.2-2020.3数据预处理并学习协同过滤算法

2020.3-2020.4成功编写电视节目个性化推荐程序及完善程序