1. 研究目的与意义（文献综述）

为便于人们购物，实现购物的多元化，对基于用户兴趣的购买行为预测被认为是解决人们所喜好的购物需求的重要途径。

随着网络的普及，网络资源不断丰富，网络信息量不断膨胀，用户要从众多的选择当中选出自己真正需要的信息非常困难，出现了所谓的信息过载现象。基于用户的兴趣的预测就是为了解决这些信息过载的问题，帮助用户在繁多的产品中找到自己需要购买的产品。

个性化推荐是购买行为预测的一种应用，能够给用户的日常生活带来一个极大的便利。个性化推荐的目标是根据具有相似偏好的用户的观点，为个人或者特定群体提供个性化服务。了解用户偏好对推荐系统的优化至关重要，而为了提供自然的推荐服务，我们必须对用户的偏好以及他们的行为模式有足够的了解。

2. 研究的基本内容与方案

基本内容和目标：

基于概率矩阵的推荐算法模型，并根据公共数据库，对该模型进行优化，实现对用户兴趣的推荐。

拟采用的技术方案及措施：

3. 研究计划与安排

1～3周：查阅相关文献资料，完成不少于2万英文字符（五千中文字）的英文翻译任务，明确研究方向，确定研究内容，完成开题报告；

4～6周：完成系统整体设计，学习相关推荐算法；

7～9周：完成软件设计；

4. 参考文献（12篇以上）

[1] papamichail gp, papamichail dp. the k-means range algorithm forpersonalized data clustering in e-commerce[j]. european journal of operational research,2007,1(1):1400-1408..

[2] 杨丰瑞,刘彪,杜托. 结合矩阵分解的混合型社会化推荐算法[j]. 计算机应用研究,2018,35(6):1631-1635.

[3] 张航,叶东毅. 一种基于多正则化参数的矩阵分解推荐算法[j]. 计算机工程与应用,2017,53(3):74-79