1. 研究目的与意义
当今时代，网络小说种类庞杂，用户难以从大量的小说中挑选出自己喜欢的小说，。
所以如何筛选出符合用户兴趣或者偏好的小说是每一个小说网站都需解决的问题。
推荐系统作为一种解决信息过载的方法，目前已经在很多领域被应用，但是一有的研究方法与传统图书推荐已经不适合当前日益发达的网络小说。
2. 研究内容和预期目标
将基于内容的推荐算法结合标签排行的协同过滤融合算法相结合的混合推荐算法，解决单一推荐算法存在的缺陷。
其中结合标签排行的融合算法将用户偏好标签进行扩展,并将扩展向量与初始推荐列表进行融合,以此升推荐列表中符合用户短期偏好类别的小说排行;而基于小说内容的推荐算法升了推荐结果的内容相关性,同时解决了物品冷启动以及矩阵稀疏问题。
设计并实现基于上述混合算法的网络小说推荐系统,利用Hadoop文件系统存储海量用户行为数据以及小说文本数据,采用Spark分布式计算框架完成每日推荐任务。
3. 国内外研究现状
推荐系统是指利用用户对物品的偏好信息以及结合用户或物品本身的一些特征信息等来给用户推荐可能感兴趣的物品，因此在该领域的研究覆盖了很多方面。
从评分角度上看，偏好信息主要分为二值评分和明确评分两种；而获取方式来看，偏好信息主要分为显示偏好信息和隐式偏好信息两种，隐式偏好信息需要通过一些转换才有对应的作用，Nunez-Valdez等人介绍了有关将用户的某些特定行为转化为显示用户反馈的技术；而Choi等人则是依据用户购买物品频数以及其他用户的购买情况来推出用户对物品的评分。
除了用户对物品的偏好信息之外，用户或者物品本身的特征信息对于某些推荐系统来说也起到了重要的作用。
4. 计划与进度安排
一、绪论。
讲述当前推荐系统的发展背景，存在的问题、发展状况的分析。
结合以上几点引出本文的研究目标。
5. 参考文献
[1]刘珊珊. 音频特征与社会标签相结合的音乐推荐系统[D]. 华中科技大学，2011. [2]郭红艳. 推荐系统的协同过滤算法与应用研究[D]. 大连理工大学，2008. [3]孙小华. 协同过滤系统的稀疏性与冷启动问题研究[D]. 浙江大学，2005.[4] Demeriz A. Enhancing Product Recommended Systems on Sparse Binary Data[J]. Data Mining and Knowledge Discovery, 2004, 9(2) :147-170.[5] Zhao Y, When B. Empirical Study of User Preferences Based on Rating Data of Movies. [J]. Plos One, 2015, 11(1) :e0146541.[6] Gennary C. Memory Based Collaborative Filtering with Lucene[J]. 2016. [7] Boratto L, Carta s. The rating prediction task in a group recommender system thatautomatically detects groups: architectures, algorithms, and performance evaluatio[].Jourmal of Itelligent Information Systems, 2015, 45(2):1-25.[8] Nunez-Valdez E R, Cueva Lovelle J M, Sanjuan Martinez o, et al. Implicitfeedback techniques on recommender systems applied to electronic books[J].Computers in Human Behavior, 2012, 28(4):1186- 1193.[9] Choi K, Yoo D, Kim G, et al. A hybrid online product recommendation system:Combining implicit ratingbased ollaborative fltering and sequential patternanalysis[J]. Electronic Commerce Research amp; Applications, 2012, 11(4):309 -317. [10] Rault A. User privacy in cllborative filtering systems[J]. 2016.[11] Lops P, Gemmis M D, Semeraro G. Contentbased Recommender Sytems: State2011:73-105.[12] Pazzani M J, Bllsus D. Content-Based Reconmendation Systems[C]// Adaptive Web: Methods amp; Strategies of Web Personalization4321 of Lecture Notes in Computer Science. Springer-Verlag 2007:325-341.[13] Felfernig A, Gula B, Leitner G, et al. Persuasion in Knowledge-BasedRecommendation[J]. Lecture Notes in Computer Science, 2008, 5033(1):71-82.[14] Mandl M, Felfermig A, Teppan E, et al. Consumer decision making inknowledge-based recommendation[J]. Journal of Inelligent Information Systems,2011, 37(1);1-22.[15] Bendakir N, Andre-Aisenstadt P. Using Association Rules for CourseRecommendation[J]. AAAI Workshop - Technical Report, 2006 .[16] Cakir O, Aras M E. A Recommendation Engine by Using Association Rules[J]. Procedia -Social and Behavioral Sciences, 2012.62(62):452-456.[17]于阳,于洪涛,黄瑞阳.基 于熵优化近邻选择的协同过滤推荐算法[D].计算机应用研究，2017(09);1-8.[18] 方耀宁,郭云飞,扈红超,兰巨龙.一种 基于Sigmoid函数的改进协同过滤推荐算法[D]. 计算机应用研究2013.(06)1688-1691.[19] Gong s. A Collaborative Fitering Recommendation Algorithm Based on User Clustering and Item Clustering[J].2010, 5(7):745-752.[20] Salehi M, Kmalabadi I N. A Hybrid Arbute based Recommender System for E-learning Material Recommendation[J]. leri Procedia, 2012, 2(4):565-570.[21] Woerndl w, Schueller C, Wojtech R. A Hybrid Recommender System for Context-aware Recommendations of Mobile Applications[J] 2007:871-878.[22] Ullah F, Sarwar G, Lee s C, et al. Hybrid recommender system with temporalinformation[C]// Information Networking (ICOIN), 2012 International Conference on.IEEE, 2012:421-425.[27]陈冬林，聂规划，刘平峰.基于知识网格的电子商务推荐系统设计[J].计算机应用研完2006.(12):307-309.[28]彭菲菲,钱旭.基于用户关注度的个性化新闻推荐系统[J].计算机应用研究2012(03)1005-1007.
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。
