全文总字数：1408字

1. 研究目的与意义及国内外研究现状

基于推荐算法的系统对于现代化大数据环境有很大的帮助，可以从众多数据中找到最有可能感兴趣的一部分数据。推荐算法通过计算已有数据，得到用户可能需要的数据，以此捕获用户量，提升用户使用体验。

研究推荐算法集成到基于豆瓣数据的电影浏览系统，将用户可能喜欢的电影信息推荐给用户。减少用户搜索过程，让系统更加智能化，提高系统使用性。

2. 研究的基本内容

推荐算法在电影推荐系统上的运用。获取豆瓣社区的数据，包括电影数据，影评数据以及豆瓣用户的昵称，评分，影评短评数据。系统本地也允许生成用户的各种数据，允许用户之间相互关注，留言，允许用户对影片评论。同时，将推荐模块整合到系统中，根据标签或者历史记录信息，推荐相似电影。

3. 实施方案、进度安排及预期效果

了解学习推荐算法，基于推荐算法设计电影影评推荐系统。基于web开发，设计网页，记录电影热门影评，用户收藏的电影。根据搜索记录推荐相似电影，用户。

进度安排：

2018/1/15-2018/2/10：熟悉推荐算法，理解推荐算法计算模式。

4. 参考文献

[1].bernd bruegge,allen h.dotoit.object oriented software engineering using uml,patterns,and java[m].清华大学出版社，2011.

[2].顾韵华，李含光.数据库基础教程(sql,server平台)[m]，第二版，电子工业出版社，2014.

[3].李善涛，肖波.基于社交网络的信息推荐系统[j],software，2013,34(12):41-45.