全文总字数：1898字

1. 研究目的与意义及国内外研究现状

随着电子商务规模的不断扩大，商品数量和种类的不断增长，用户对于检索和推荐提出了更高的要求。由于不同的用户再兴趣爱好、关注领域、个人经历等方面的不同，以满足不同用户的不同推荐需求为目的、不同人可以获得不同推荐为重要特征的个性化推荐系统应运而生，对推荐内容的多样性跟准确性也提出了很高的要求。本次选题的目的在于比较现有的的基于用户的协同过滤算法和基于物品的协同过滤算法，并在此基础上改进算法提高推荐系统的的多样性和准确性。

2. 研究的基本内容

1.研究学习分析基于用户的协同过滤算法，理解算法的内容，用户相似度的改进，学习其中的技术，对此有自己的理解。

2.研究学习分析基于物品的协同过滤算法，理解算法，深入了解物品相似度的归一化以及用户活跃度对物品相似度的影响，与基于用户的协同过滤算法进行比较,使用场合，推荐性能，覆盖率等特性

3. 在此基础上，改进算法，提高协同过滤算法的精确度跟多样性。

3. 实施方案、进度安排及预期效果

实行方案以及进度：

1.第一阶段（2019 年3月前）。

1)完成任务书和开题报告。

4. 参考文献

[1]张星,刘帅. 感知用户的item-based协同过滤算法[j].信阳师范学院学报(自然科学版). 2017(01).

[2] 王红霞,陈健,程艳芬. 采用评论挖掘修正用户评分的改进协同过滤算法.浙江大学学报(工学版), 2019.

[3] 赵尉翔. 基于协同过滤技术的推荐算法研究. 长安大学