1. 毕业设计（论文）的内容和要求

随着互联网技术的快速发展，现在已经进入了大数据时代，网络上的信息呈现爆炸式 增长，每天都会有数以亿计的数据涌现.人们接触各种信息的途径也越来越丰富，比如微博、facebook、twitter、微信公众号等等.而这些在给用户带来便利的同时也带来了前所未 有的问题#8212;#8212;”信息过载” 。

”信息过载”就是指用户很难从庞大的数据中找到自己感兴趣的信息。

截止于2017年底，国内知名视频网站优酷网上的电影和电视剧数量已达16040部.在如 此庞大的视频数量下，怎样快速帮助用户发掘自己感兴趣的电影在网站运营中显得尤为重要.而且看电影常常被用户当做一种放松娱乐的方式，所以用户在打开电影网站时可能没有明确想看的电影.这样只有靠推荐系统通过分析用户的历史行为以及现下看的电影去分 析潜在的用户可能感兴趣的电影。

2. 参考文献

[1] Sarwar B, Karypis G, Konstan J, et al. Item-based collaborative filtering recommendation algorithms[C]// International Conference on World Wide Web. 2001. [2] Linden G, Smith B, York J. Amazon.com Recommendations: Item-to-Item Collaborative Filtering[J]. IEEE Internet Computing, 2003, 7(1):76-80. [3] Herlocker J L , Konstan J A , Terveen L G , et al. Evaluating collaborative filtering recommender systems[J]. ACM Transactions on Information Systems, 2004, 22(1):5-53. [4] 张光卫, 李德毅, 李鹏,等. 基于云模型的协同过滤推荐算法[J]. 软件学报, 2007, 18(10):2403-2411. [5] 邓爱林, 朱扬勇, 施伯乐. 基于项目评分预测的协同过滤推荐算法[J]. 软件学报, 2003, 14(9):1621-1628. [6] 刘建国,周涛,汪秉宏.个性化推荐系统的研究进展[J]. 自然科学进展, 2009, 19(1):1-15. [7] 周军锋, 汤显, 郭景峰. 一种优化的协同过滤推荐算法[J]. 计算机研究与发展, 2004, 41(10):1842-1847. [8] 邓爱林, 左子叶, 朱扬勇. 基于项目聚类的协同过滤推荐算法[J]. 小型微型计算机系统, 2004, 25(9):1665-1670. [9] 马宏伟, 张光卫, 李鹏. 协同过滤推荐算法综述[J]. 小型微型计算机系统, 2009, 30(7):1282-1288. [10] 黄创光, 印鉴, 汪静,等. 不确定近邻的协同过滤推荐算法[J]. 计算机学报, 2010, 33(8):1369-1377. [11] 电子商务推荐系统关键技术研究[D]. 复旦大学, 2003. [12] 吴颜, 沈洁, 顾天竺,等. 协同过滤推荐系统中数据稀疏问题的解决[J]. 计算机应用研究, 2007, 24(6):94-97. [13] 余力, 刘鲁, 李雪峰. 用户多兴趣下的个性化推荐算法研究[J]. 计算机集成制造系统, 2004, 10(12):1610-1615. [14] 张锋, 常会友. 使用BP神经网络缓解协同过滤推荐算法的稀疏性问题[J]. 计算机研究与发展, 2006, 43(4):667-672. [15] 吴湖, 王永吉, 王哲,等. 两阶段联合聚类协同过滤算法[J]. 软件学报, 2010, 21(5):1042-1054. [16] 王辉, 高利军, 王听忠. 个性化服务中基于用户聚类的协同过滤推荐[J]. 计算机应用, 2007, 27(5):1225-1227.

3. 毕业设计（论文）进程安排

2018-12-15～ 2018 -12-22 选题。

2018-12-23～2019-02-28 查阅文献资料，准备开题报告，正式开题。

2019-03-01～ 2019-03-15 预处理movielens数据集 2019-03-16～ 2019-04-15 学习大数据数据处理并逐步搭建系统 2019-04-16～ 2019-05-15 使用icf，ucf等方法对数据进行分析 2019-05-16～ 2019-05-31 认真撰写毕业设计论文； 完成英文文献的翻译工作。