1. 研究目的与意义（文献综述）

近年来，随着移动互联网的高速发展和移动终端的硬件、软件不断升级，智能移动终端开始风靡全球。因此，我们也进入了一个信息爆炸的时代，移动终端的用户也面临着信息过载的问题，尤其是手机终端的屏幕较小，处理器的运行速度也比较慢，用户想找到合适自己的信息更是难上加难。而传统的搜素引擎、门户网站等，本质上是帮助用户过滤掉不必要的信息，缺乏个性化的考虑，并不能彻底解决信息过载问题。而推荐系统是解决信息爆炸的一个有效手段，可是传统的推荐系统通常是在电脑端，这种情况就是不能考虑用户所处的环境，比如位置和时间等。而移动终端最大的特点就是他的随时随地性，而如何结合移动终端的特点来向用户进行合理的推荐是现在推荐系统面临的一个新挑战。于是，人们提出了“个性化服务”的概念，来为不同用户提供不同的服务和或者信息内容。推荐系统作为个性化服务的重要分支，通过挖掘用户和项目之间的关系，帮助用户从大量数据中发现其可能感兴趣的项目，比如web信息、服务、在线商品等，并生成个性化推荐以满足个性化需求。目前，推荐系统在电子商务如amazon、ebay、netflix、阿里巴巴、豆瓣网、当当网，并且在信息检索如igoogle、myyhoo、groupslens、百度等，以及移动应用、电子旅游、互联网广告等等众多应用领域取得较大进展。

1.2国内外的研究现状分析

2. 研究的基本内容与方案

2.1基本内容

设计一个用于移动设备或者考虑了移动应用需求的推荐系统。

2.2采用的技术方案

推荐系统有三个重要的组成部分：用户模型、推荐对象模型、推荐算法。图2.1以这三个部分为基础描述了推荐系统常见的工作流程，通过用户提供个人偏好建立用户模型，通过对推荐对象的分析建立推荐对象模型。结合两个模型的特征数据，利用合适的推荐算法找到用户可能感兴趣的对象。

2.1

用公式符号对推荐系统进行解释：用C代表所有用户的集合，S代表所有待推荐对象的集合。定义u为效用函数，用来衡量物品s对用户c的推荐效果，即u：C*S→R，这里的R是用户对物品的评分矩阵。因此，推荐过程总结为，对于用户c∈C，希望可以找到物品s∈S使得函数u的值最大化。

3. 研究计划与安排

2014年2月20至2014年2月28日，学习安卓

2014年3月1日至2014年3月15日，学习服务器的搭建

2014年3月15日至2014年3月30日，学习移动上下文推荐算法

4. 参考文献（12篇以上）

[1]曾春,邢春晓,周立柱.个性化服务技术综述.软件学报,2002.

[2]刘建国,周涛,汪秉宏.个性化推荐系统的研究进展.自然科学进展,2009.

[3]赵亮,胡乃静,张守志.个性化推荐算法设计.计算机研究与发展,2002.