1. 研究目的与意义
在社会经济迅速发展，科学技术全面进步的今天，人们对于精神世界的需求日益增长，电影、电视剧不再像从前一样遥不可及，如今对于人们已是家常便饭。
现今，中国每年年产电影、电视剧上千部和数万集，这其中不乏一些制作成本低、剧情内容低俗、无趣的烂片，所以人们对于优质电影、电视剧的需求越发强烈，在这种情况下，个性化的推荐系统就应运而生了，个性化推荐系统的研究是上世纪90年代提出的独立概念。
个性化推荐是一种主动式的推荐，它采集用户在网络上的历史信息、分析用户的行为，推算出用户的兴趣并预测用户的行为，从而把相关项目主动推荐给用户。
2. 课题关键问题和重难点
随着互联网和移动互联网的迅速普及，网络上的电影娱乐信息数量相当庞大，人们对获取感兴趣的电影娱乐信息的需求越来越大，一个智能便捷的基于协作型过滤的电影推荐系统成了必不可少的工具。
然而电影、电视剧的信息的表示相当复杂，已有的相似度计算方法与推荐算法都各有优势，导致单一的相似度计算方法与推荐算法无法合适地应用于电影推荐系统中。
大量的电影数据的管理运营随着数据量的增长也变得越来越复杂，因此，如何综合各种算法优势给用户可靠的电影推荐结果，并保证用户能当问到正确的推荐数据成为推荐系统设计中需要解决的一个重要问题。
3. 国内外研究现状（文献综述）
1.1 研究背景在社会经济迅速发展，科学技术全面进步的今天，人们对于精神世界的需求日益增长，电影、电视剧不再像从前一样遥不可及，如今对于人们已是家常便饭。
现今，中国每年年产电影、电视剧上千部和数万集，这其中不乏一些制作成本低、剧情内容低俗、无趣的烂片，所以人们对于优质电影、电视剧的需求越发强烈，在这种情况下，个性化的推荐系统就应运而生了，个性化推荐系统的研究是上世纪90年代提出的独立概念。
个性化推荐是一种主动式的推荐，它采集用户在网络上的历史信息、分析用户的行为，推算出用户的兴趣并预测用户的行为，从而把相关项目主动推荐给用户。
4. 研究方案
本系统主要为喜欢电影的用户设定，采用协同过滤推荐技术过滤分析用户的兴趣和爱好，根据用户群中找到指定用户的相似（兴趣）用户，综合这些相似用户对某一信息的评价，从而推断出用户的喜好程序，为了用户推荐感兴趣的电影。
为了给用户推荐更多感兴趣的电影，此项目采用JSP技术，基于Eclipse开发环境，后台采用apche的mahout算法框架。
此系统开发包括了数据库的设计、服务器端的开发以及java客户端的开发。
5. 工作计划
2022-2022第二学期第2周，完成外文翻译，开题报告。
2022-2022第二学期第3周，分析系统。
2022-2022第二学期第4周，设计系统。
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。
