1. 研究目的与意义
随着互联网的蓬勃发展，数据存储与数据处理能力的飞速进步使得数据呈爆炸式增长。
电影相关门户网站用户量巨大，电影数量多，更新速度快，信息过载现象已经越来越严重，研究好的推荐算法应用于各个电影门户网站系统才能缓解信息过载现象。
推荐算法作为解决大数据时代信息过载的重要技术，一直是学术界和工业界的研究热点。
2. 课题关键问题和重难点
关键问题：（1）目前推荐系统采用的主要方法包括基于内容与协同过滤、基于隐因子模型、基于深度学习和基于强化学习以及多种模型结合的方法。
推荐系统中准确率与多样性达到平衡是一个难题。
因此对推荐算法的研究和确定合适的推荐算法是关键。
3. 国内外研究现状（文献综述）
信息技术的变革促进了互联网的发展，使得互联网与人类生活不断融合，自媒体和移动通讯技术的发展加快了信息的产生和传播速度。
随着人工智能和大数据的脚步，信息过载问题将会日趋严重。
准确挖掘用户的潜在需求，节省其筛选信息的时间显得十分重要，同时实时追踪用户兴趣偏移，为用户进行精准推荐对用户和信息提供商日益重要[1]。
4. 研究方案
工作内容：本次系统设计主要用于给用户实时更新电影资源，根据用户的浏览记录和播放记录向用户推荐其感兴趣的电影。
系统分为两级权限即管理员与普通用户，系统包含用户管理、电影管理、播放记录管理、收藏管理、评论管理和下载中心等一系列工作模块，能提高用户的满意度和追剧需要，同时便于对电影资源进行管理的系统。
本文主要研究贡献和创新点表现在以下三个方面：（1）引入电影类别及用户可靠性，降低数据稀疏影响，提升推荐准确性。
5. 工作计划
第1周：学生撰写开题报告和完成外文翻译。
第2周：指导学生进行课题总体规划和课题的详细设计。
第3-5周：指导学生进行课题模块化设计并进行模块代码编写与调试。
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。
