1. 研究目的与意义
当前是个信息爆炸的时代，想要在纷繁复杂的书库中找到自己需要的资料变得十分困难。尤其是现在的个性化推荐都是针对所有用户的，并不能够在短时间内给出精准的推荐。每次在学校图书馆想要搜索一本适合自己需要的书，每次输入关键词，总是有一大堆书目，看得人眼花缭乱，很难在短时间内获得真正需要的书籍。正是被这种麻烦困扰，所以我选择了制作一个根据用户的输入关键词，以及个人信息，通过可视化技术，获得准确的关键词，从而给出个性化图书推荐。如果这个系统得以实现，那么每个人只需要输入自己想要的数目的关键词，就可以迅速获得想要的书。而且，由于有过搜索记录以及用户信息，那么当我们下次想要搜索数据的时候，只需要登录系统，系统就会给出类似的推荐书籍，而不是每次都要重新查找，这样大大节约了查找时间。
2. 研究内容和预期目标
研究内容：可视化的图书推荐系统
拟解决的关键问题：
1. 网络数据获取
3. 国内外研究现状
推荐系统是工业界和学术界研究的热门话题，因此学术界和工业界都在以此为重点来展开研究，学术界更侧重理论层面的分析、模型精度的提升；工业界更侧重实践层面的发展、用户体验的提升。就近些年推荐系统的发展来看，总结以下几点：
lt;!--[if !supportLists]--gt;1、lt;!--[endif]--gt;为了缓解用户-物品矩阵的数据稀疏以及冷启动问题，引入更多附加信息。比如社交信息、文本评论信息、上下文信息等。
lt;!--[if !supportLists]--gt;2、lt;!--[endif]--gt;为了更细粒度的抽取用户、物品的特征，引入深度学习技术。比如利用CNN来处理文本信息来更好的建模物品属性、利用GE来处理社交网络信息来更好的建模用户偏好等。3、在实现更精确推荐的同时，可解释性也逐渐成为研究热点。用户不仅需要精确的推荐列表，更迫切的需要给我特定推荐列表的推荐解释。好的推荐理由可以让用户更加相信推荐算法的健壮性。比如利用社交网络的朋友信息来实现推荐物品的解释。
4. 计划与进度安排
第一周编写网络爬虫，用于实验数据的获取，以及初期处理；
第二三四周搭建推荐系统，完善相应的算法；
第五六周将实验数据代入系统，检验算法的有效性，并且分析数据结果，必要的情况下可以用更多的数据集来验证；
5. 参考文献
[1]基于读者个性化特征数据挖掘的图书馆书目推荐[J]. 谢康.现代电子技术. 2018(06)
[2]个性化新书推荐系统的设计与实现[J]. 谢发徽.农业图书情报学刊. 2017(07)
[3]基于MVC的数字图书馆管理系统的开发与设计[J]. 李守宏.电子设计工程. 2016(24)
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。
