1. 研究目的与意义（文献综述）

1.1 设计（论文）的目的

随着互联网的高速发展，如今已经进入web3.0时代，相较于更偏向社交的web2.0时代，web3.0则更注重交互，不仅仅网民可以提出需求，相关企业也能根据网民日常产生的数据对网民的喜好做出分析和判断。web3.0的标志性特点是“以人为本”，旨在提供个性化的服务体验，在每时每刻产生的海量信息中筛选出最符合用户的优质信息优先展现。而这种个性化服务的实现需要用户有一个“在线信息筛选黑盒子”，能够根据用户的基础信息及行为信息进行深度挖掘，在无形之中向用户推荐其可能更感兴趣的信息，个性化推荐系统便是web3.0标志性特点的标志性实现。

个性化推荐系统旨在为用户过滤大量信息，向他们提供更能满足其偏好和需求的信息。在大数据时代背景下，用户不仅仅是数据的消费者，也是数据的创造者，信息在各个用户之间的交互过程中得到了传播，其传播速度之快、涉及范围之广，已经远远超过以往。目前web2.0时代催生的淘宝、京东、当当、amazon等大型电子商务平台成为用户最主要的购物基地，微博、微信及各大在线社交网站成为用户社交的最主要媒介，个性化推荐在这些电商平台集社交平台上已经得到广泛的使用并发挥着巨大的作用。web3.0时代，在个性化推荐服务上，无论是精准度、覆盖率，还是新颖度、惊喜度，都有着更高的要求。且随着社交网络的快速发展，用户结成群体的情况十分普遍，如朋友相约观影、家人聚餐、同学结伴出游等，此时传统的针对个体的推荐服务就不再适用，需要尽可能地模拟现实中的群体决策过程，根据群体用户的整体特点进行相应的群体推荐，达到群体推荐结果在其成员的个人偏好中反映出高度一致的程度。因此如何为群体用户提供有效精准的推荐服务已引起很多专家学者的注意，成为推荐领域研究的新挑战。

2. 研究的基本内容与方案

2.1 设计的基本内容

依据任务书的要求，本设计拟完成以下任务：

（1） 针对选题完成相关国内外研究现状的分析；

3. 研究计划与安排

4. 参考文献（12篇以上）

[1] cantador i, castells p. group recommendersystems: new perspectives in the social web. in: recommender systems for thesocial web, berlin: springer; 2012.pp 139-157.

[2] 蔡玲,许珺,李奥勇.群体偏好增强的混合群推荐方法[j].计算机工程与应用,2017,53(09):5-10 37.

[3] chen yenliang, cheng lichen, chuang chingnan. a grouprecommendation system with consideration of interactions among groupmembers[j]. expert systems with applications, 2008, 34(3): 2082-2090.