基于混合过滤的个性化动漫视频推荐系统设计与实现开题报告

1. 研究目的与意义

1.1 研究背景

在如今信息过载的时代，数据的挖掘、筛选、提炼有效信息已经广泛运用于各个领域，在日渐庞大的数据中，大数据提供的数据清洗分析和推荐系统尤为重要。1995年，卡耐基.梅隆大学的RobertArmstrong等人与斯坦福大学的MarkoBalabanovic等人分别提出了个性化导航系统WebWatcher与个性化推荐系统LIRA。推荐系统可以有效缓解信息过载的问题，并针对每个用户的个性需求进行信息的过滤筛选，提供合理的信息资源。

而不管是在工业化生产中还是人们日常生活中，推荐系统都已成为其支撑的重要组成部分。国外诸如亚马逊、Netflix、FaceBook、Youtube等早已在推荐系统兴起的第一波潮流中获益，并乐此不疲得在其领域投入大量人力物力，只为有效提高算法效率，增加推荐内容的准确性。Netflix更是为此专门面向全世界开设奖金池，只要有团队能设计出让其网站推荐系统效率提高10%，就能瓜分奖金池中奖金。而国内也有诸如淘宝、抖音、快手等多家企业利用推荐系统为用户提供个性化推荐。

2. 研究内容和预期目标

本文主要研究推荐系统对于动漫产业的影响，研究混合推荐系统中关键算法，包括SVD奇异值分解算法、余弦相似度算法对于推荐系统结果的影响分析，并在公开的权威数据集上对所提出的方法进行验证，具体研究工作可以概括为如下三点：

1) 针对注册的动漫平台用户，根据用户对于动漫的评分等行为，提出一种基于模型的协同过滤方法。该方法主要依托SVD奇异值分解算法，分析了参数对于模型的影响。另外，本文分析比较了与传统基于用户的推荐系统的优缺点。

2) 针对动漫平台用户进行搜索操作时，给出基于内容的相关推荐。该方法主要依托余弦相似度实现。主要分析了动漫内容的类型、关注度、欢迎程度等属性信息对于基于内容推荐的算法影响。

3. 研究的方法与步骤

本课题针对动漫领域做出推荐系统的研究，其主要目的是为了研究推荐算法对于结果产生的影响以及个算法之间的效率。因此，拟定研究思路如下：

1）收集资料、充分了解

以背景为切入点，缺少足够的资料和知识进行补充支撑。以此为前提，本课题研究的一部拟定为收集资料，充分阅读、学习，了解推荐系统领域相关知识以及动漫领域行情规则。资料数据来源中国中网学术期刊、论文；国际学术期刊、论文；权威官媒相关年度报告数据等。

4. 参考文献

[1]Resnick P,Varian HR. Recommender systems[J].Communications of the ACM , 1997 .40(3):56-58

[2]Arwar B, Karypis G, Konstan J, et al. Analysis of recommendation algorithms forE-commerce [ C]. In: Processing of 2nd ACM Conferenceon Electronic Commerce,2000, 158-167.

[3]You Wen , Ye Shui-sheng. A survey of collaborative filtering algorithm appliedin E-commerce recommender system [ J ] .Computer Technology and Developmen t,2006, 16( 9): 70-72.

5. 计划与进度安排