一、研究背景及意义

近几十年来，通信技术、互联网、移动互联网的不断发展，信息的采集、传播以及展示的速度和规模都达到了空前的水平，人类社会已从工业时代步入了信息时代。信息时代为人们生活带来极大便利的同时，也带来了不少困扰，其中之一就是信息过载，汹涌而来的信息出现在人的眼前，让人不知所措，无所适从。想要从浩瀚如烟的信息海洋中迅速而准确地获得自己最需要的信息，对用户来说已变得非常困难。

搜索引擎和分类目录很大程度上为人们解决了信息过载带来的困扰。这两种方法在很大程度上协助人们解决了在浩瀚的信息中找寻自己需要信息的问题，然而，面对每天指数级增长的巨大信息，再强的搜索引擎，再大的分类网站也无法解决如下问题：一种情况是人们无从选择，不知道什么才是需要的信息，只有漫无目的的浏览网站，寻找感兴趣的内容；另一种情况是人们无法准确描述自己的需求。鉴于以上原因，推荐系统开始得到大规模的使用。

推荐系统是一种帮助用户快速发现有用信息的工具，它通过用户的历史行为数据分析用户的兴趣和偏好，给用户的兴趣建模，然后根据不同用户兴趣和偏好不同为其推荐能够满足他们兴趣和需求的信息。

其次图书销售作为传统行业，也在新的技术发展中被赋予了新的可能。由于商品的销售存在“长尾效应”，商品销售呈现出长尾形状，冷门商品的需求曲线不会降到零点。在智能推荐系统的应用中，系统可以发掘出商品的“长尾”，从而将用户可能感兴趣的、但偏冷门的商品推荐给用户。一个好的个性化推荐系统可以为用户提供便利，继而，使用户与提供商之间有更好的粘合度，提高提供商的市场竞争能力。

在众多的个性化推荐算法中，协同过滤被广泛应用，也是最成功的推荐算法。本课题旨在研究基于用户的协同过滤推荐算法在图书视频小程序个性化商品推荐中的应用。

二、国内外研究现状

2.1个性化智能推荐发展介绍

个性化智能推荐技术通过研究不同用户的兴趣和行为，主动为用户推荐最需要的资源，从而更好地解决互联网信息日益庞大与用户需求之间的矛盾。目前，推荐技术被广泛应用到电子商务、数字图书馆、新闻网站等系统中。因此，各种适用于推荐系统的技术应运而生，如协同过滤技术(CF)、聚类分析技术、关联规则技术、神经网络技术和图模型技术等，其中，协同过滤是应用最为广泛的个性化推荐技术。