1. 研究目的与意义
随着大数据时代的到来，用户的个人信息以各种方式分布在不同的存储设备中，集成所有的用户信息并且通过一定的挖掘技术能够得出用户的潜在需求。目前电子商务发展飞速，移动电子商务更将在以后占据主导地位，如何能够迅速挖掘用户的个人潜在需求，把用户可能感兴趣的产品推送给用户成为大数据时代下电子商务企业需要解决的问题。目前电子商务个性化推荐的精准度还有待提高，个性化推荐手段单一，并没有经过深层次的数据分析，而是已基于用户的浏览信息和购买信息给用户推荐相关产品。这种推荐方式的效率不高，大数据时代的个性化推荐框架应该从源头进行分析和挖掘，根据用户信息数据来源的不同方式，集合所有的个性信息，使用大数据时代下的挖掘技术，把具有相关联的信息挖掘出来，才能有效地制定出适合电商企业的个性化信息推荐应用。
2. 课题关键问题和重难点
本课题的关键问题在于如何实现基于大数据层面上对用户的各种信息进行深层次地挖掘，然后再从大数据集的源头出发，根据精确、科学、高效的推荐算法进行个性化信息的推荐。
本课题的难点有以下几个方面：
1、大数据时代的个性化推荐框架应该从源头进行分析和挖掘，如何做好源头的大数据的信息采集和归纳工作，确定推荐系统的架构和功能并详细设计推荐系统，这是重中之重，同时也是本课题详细设计中的一个难点。
3. 国内外研究现状（文献综述）
1、个性化推荐系统概述
个性化推荐系统是指根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。它是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。购物网站的推荐系统为客户推荐商品，自动完成个性化选择商品的过程，满足客户的个性化需求，推荐基于：网站最热卖商品、客户所处城市、客户过去的购买行为和购买记录，推测客户将来可能的购买行为。
1995年3月，卡内基梅隆大学的RobertArmstrong等人在美国人工智能协会首次提出了个性化导航系统Web-Watcher，斯坦福大学的MarkoBalabanovic等人在同一次会议上推出了个性化推荐系统LIRA。同年8月，麻省理工学院的HenryLiberman在国际人工智能联合大会（IJCAI）上提出了个性化导航智能体Letizia。这三个系统被公认为是个性化服务发展初期最近经典的系统，标志着个性化推荐服务的开始。
4. 研究方案
首先深入了解推荐系统的发展，推荐算法及其应用，同时熟悉大数据处理框架的原理，对比现在电商网站采用的单一的信息推荐方法，找出其不足和改善之处，再从大数据的源头开始思考挖掘和分析数据的方法，充分考虑每种算法的优缺点，然后选用一种算法进行推荐系统的设计与实现。
5. 工作计划
1、第1-2周对国内外相关现状进行充分研究，并深入了解推荐系统的发展，推荐算法及其应用，同时还要熟悉大数据处理框架的原理，查阅与云计算、大数据、电子商务个性化信息推荐等相关文献资料，完成开题报告和文献综述；
2、第3-4周根据系统预计实现的的功能选择和熟悉开发工具，然后进行系统调研并在电脑上构建开发平台；
3、第5周从大数据集的源头出发，确定推荐系统的架构和功能并详细设计推荐系统，主要思想是根据用户信息数据来源的不同方式，集合所有的个性信息，然后使用大数据时代下的挖掘技术，把具有相关联的信息挖掘出来，并且存储到企业的数据库中，供企业进行相关产品的推荐。比较和选择最合适的推荐算法并应用到系统中去实现相关功能；
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
