1. 研究目的与意义（文献综述）

由于internet具有信息传输的开放性信息交流的双向性，以及信息覆盖的广泛性等特点，网络中信息量以指数规律迅速扩展和增加，网络上的信息过载和信息迷航问题日益严重。解决这些问题的关键在于将internet从被动接受浏览者的请求转化为主动感知浏览者的主动信息服务，推荐技术应运而生，成为目前众多学者和网络用户关心的核心技术。推荐系统通过预测用户对信息资源的喜好程度来进行信息过滤，根据用户具体需求通过协同过滤等技术进行个性化推荐。根据这一基本原理，推荐系统产生了各种不同算法。在众多算法中，协同过滤推荐是迄今为止最为成功也是应用最广泛的个性化推荐技术。协同过滤的概念被广泛应用于各个领域，如电子商务、社交网络、图书推荐、电影推荐等。

当前,随着我国经济发展速度的不断加快,以及人们生活水平的显著提升,使得人们的个性化需求增多。电影，作为娱乐的重要组成部分，越来越受到大众的欢迎，特别是受到年轻人的喜爱。但是，如何在海量电影中找到满足自己喜爱的电影却成为一个难题。随着计算机技术与网络技术的发展,众多娱乐与服务形式逐渐融入到网络之中,从而形成全新的网络化模式，各类电影网站逐渐兴起。在电影网站发展伊始，电影推荐就应运而生。电影推荐根据当前热门电影及用户的个性化数据，为用户提供个性化的电影推荐，从而增加用户黏度，提高网站流量，是各大电影网站极为重视的功能之一。对于在线电影提供商，在线影片推荐系统的推荐效率会直接影响公司的经济效益，同时对公司的发展产生重要的影响。根据这种现实需要，设计制作一个电影推荐系统便成为一件非常有价值的工作。

传统的推荐方法主要是向用户推荐与用户所购买商品内容相同或相关的商品，这种方法也起到了很好的推荐作用，比如你刚看完某个教授的某个讲座，下面就会向你推荐一系列该教授的相关视频，这在百度、google里观看完视频后经常见到，后来通过研究发现这种推荐方法并不是很好，开始有人提出了相似用户的概念，就是根据影片的用户评分的相似性进行推荐。

2. 研究的基本内容与方案

基本目标：基于jsp设计与实现一个电影推荐系统，在对电影信息进行有效管理的同时，还能够为用户提供有针对性的电影资讯推荐服务。

基本内容：帮助用户从海量电影信息中解脱出来，自动地向用户推荐出用户感兴趣的电影，避免让用户陷入过多信息干扰。主要研究内容如下：

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第4－7周：查阅相关资料，熟悉掌握基本理论，完成系统结构及功能模块设计。

第8－13周：熟悉开发环境,进行系统编程，实现各项功能。完成英文资料的翻译。

4. 参考文献（12篇以上）

[1]王嘉菲,朱志锋. 基于协同过滤算法的视频智能推荐系统[j]. 湖北大学, 2019.

[2]张韩飞. 推荐系统综述[j]. 淮阴师范学院, 2014.

[3]王兴国. 基于协同过滤的推荐算法研究[j]. 辽宁行政学院,2016.