1. 研究目的与意义
为了解决信息过载问题，给信息消费者提供合适有用的信息，必须要过滤掉若干不相关信息。
传统的信息过滤机制为搜索引擎，如Google和百度为用户提供了良好的搜索服务，用户可利用其搜索引擎快速搜索出若干条所需要的信息，并根据相关排序算法给信息排序，将点击量高或者链接多的网站的优先显示给用户。
然而，搜索引擎的方法虽能为用户快速检索出若干信息，但这种信息过滤机制没有考虑用户的特点，每个用户的需求是不同的，用户希望能有一种能快速检索出信息并能满足他们特定需求的工具个性化服务。
2. 研究内容和预期目标
当前，各类内容平台对于算法推荐都有或多或少的应用，学者们相继提出解决用户稀疏性和冷启动等问题的办法，算法模型除了创新也在逐步完善中。
本文意在研究算法推荐内容平台的分类、现状、问题、解决办法等，并提出提升用户体验的要素，以找到如何在基于提升用户体验的角度，有侧重地使用算法推荐的方法，同时包括算法推荐可能存在的一些伦理困境及局限，并尽可能归纳出算法推荐在未来的发展趋势。
3. 国内外研究现状
就现在的算法推荐平台存在的问题来说，国内外学者达成一致首要解决的问题是稀疏性和冷启动。
一些学者在模型和算法侧重方面提出了如下观点：在内容平台的算法创新过程中，Aggarwal首先提出了基于网络结构的协同过滤算法，实验证明该方法在精确度，时间等方面优于传统的推荐算法。
周涛等利用二分网络模型来刻画了用户-产品间的关系，假定目标用户选择过的所有产品都具有向目标用户推荐其他产品的能力，提出了基于网络结构的推荐算法，并引入了一个调节因子来降低流行产品的初始资源分配，从而进一步提升了推荐精度和个性化程度。
4. 计划与进度安排
1．介绍算法推荐的定义、兴起的背景和分类等基本内容。
2．介绍算法推荐目前在各类平台的应用方式及存在的意义。
3．阐述算法推荐类平台目前存在的技术问题及可能的解决途径。
5. 参考文献
1.王玙,高琳.基于社交圈的在线社交网络朋友推荐算法[J].计算机学报,2014,37(4):801-808.2.彭玉钒,黄树成.一种基于用户兴趣的协同过滤算法[J].信息技术,2016.11-0163，王静.基于在线社交网络的个性化推荐算法研究[J].青岛大学,20164.李强.基于情境上下文和社交网络的个性化推荐方法研究[J].西南交通大学,20135.张潇潇.算法新闻个性化推荐的理念、意义及伦理风险[G].传媒，2017.11.82-846.叶明睿.个性化推荐对网络用户个体信息环境的影响[J].编辑学刊.2015(02)
