1. 研究目的与意义
一、选题背景与意义（300字左右）随着互联网和信息技术的迅速发展和广泛应用，各种信息呈现在我们面前。
面对日益增长的数据量，如何从中获取所需的信息已经成为一个非常严峻的问题。
推荐系统是解决这个问题的有效途径之一，它可以通过分析用户的历史行为和偏好信息，建立模型，进行个性化的推荐。
2. 课题关键问题和重难点
基于优化的协同过滤算法是通过用户的历史行为数据发现用户对商品或内容的喜欢(如商品购买，收藏，内容评论或分享)，并对这些喜好进行度量和打分。
根据不同用户对相同商品或内容的态度和偏好程度计算用户之间的关系。
在有相同喜好的用户间进行商品推荐。
4. 研究方案
1.分析基于优化的协同过滤算法的推荐系统如何实现，查找相关资料，做出进一步了解。
2.对课题进行资料整合，对协同过滤算法的功能进行详细划分。
3.综合前两周的工作后，进行开题报告的编写并提交。
5. 工作计划
1.推荐的基本条件根据和你共同喜好的人来给你推荐根据你喜欢的物品找出和它相似的来给你推荐根据你给出的关键字来给你推荐，这实际上就退化成搜索算法了根据上面的几种条件组合起来给你推荐2.相似性计算Jaccard算法，就是交集除以并集余弦距离相似性算法各种其他算法，比如欧氏距离算法等等3.把目标用户和数据库中的所有用户进行比较，找出和目标用户最相似的用户，由于数据库中的用户数量巨大，并且大部分用户与目标用户没有交集，所以没必要计算所有用户，只需要计算有交集的用户。
最后通过这些与目标用户最为相邻的用户来进行推荐4.算法总结：基于用户的推荐算法的描述计算其他用户和你的相似度，可以使用反差表忽略一部分用户根据相似度的高低找出K个与你最相似的邻居在这些邻居喜欢的物品中，根据邻居与你的远近程度算出每一件物品的推荐度根据每一件物品的推荐度高低给你推荐物品。
5.由于现有的推荐算法在推荐过程中出现各种问题，尤其是当用户和物品数量不断增加时，推荐性能急剧下降，因此对协同推荐算法进行分析，总结各种算法的优缺点，针对现有算法的不足，最终实现一个基于优化的协同过滤算法的推荐系统。
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。
