全文总字数：2541字

1. 研究目的与意义及国内外研究现状

随着信息技术的高速发展，互联网红利的迅速兑现，以及移动终端的快速普及，用户所产生的数据量高度爆发。仅仅通过网站推荐寻找电影，既不能满足如今人们对于生活品质的高度追求，也无法体现新一代网民追求个性化的心理特征，更是对于如今大数据的一种资源浪费。故对用户习惯与兴趣爱好进行处理，进行个性化影视推荐有重大的意义。筛选出用户喜爱的电影并推荐，极大的提高了用户的使用体验，提高了处理信息的效率。

国内外研究现状

协同过滤推荐算法是诞生最早，并且较为著名的推荐算法。主要的功能是预测和推荐。算法通过对用户历史行为数据的挖掘发现用户的偏好，基于不同的偏好对用户进行群组划分并推荐品味相似的商品。协同过滤推荐算法分为两类，分别是基于用户的协同过滤算法(user-based collaborative filtering)，和基于物品的协同过滤算法(item-based collaborative filtering)。简单的说就是：人以类聚，物以群分。

基于协同过滤算法的优点是算法简单、查准率较高, 能发现读者新的阅读兴趣, 缺点是存在数据稀疏、冷启动等问题。协同过滤算法是目前最流行的推荐方法, 在学术界和业界都得到了广泛应用。

2. 研究的基本内容

分区设计系统设计实现的需求，将系统分为三个区域，即数据存储区域、底层逻辑区域、web 展示区域：(1) 数据存储区域：主要用于存储系统所需要的数据信息，包括用户信息，物品信息和评分信息；

(2) 底层逻辑：根据用户的行为分析，设计用户行为分析的各个模块，并搭建开发框架、映射等，用逻辑代码完成底层事务和逻辑结果数据传递的功能；

(3) web 展示：将底层逻辑传递过的数据进行解析，将解析后的数据呈现在 web界面，web 界面根据 html 页面标签将页面进行功能分区和美化。

3. 实施方案、进度安排及预期效果

2019.1 完成整体构思与设计并查阅相关资料

2019.2 进行分模块的设计与代码编写

2019.3 成果整合与实现

4. 参考文献

[1]梁永恩.基于协同过滤算法的电影推荐系统的设计[j].现代计算机(专业版),2018(31):98-100.

[2] 协同过滤推荐算法浅析提纲[j]. 蒋正超. 电脑迷 2018年11期