基于Python的电影推荐系统的设计与实现开题报告

1. 研究目的与意义

互联网时代信息过载，面对着海量的数据信息，没有明确需求的用户群体无法快速提取出自己想要的目标信息。

此时，我们需要一个智能的推荐系统，把信息进行归纳整合，从中快速推荐出符合用户兴趣的目标，解决用户需求。

推荐系统已经成为各互联网公司营销体系中十分重要的一环，可观的收益使得它成为了当下的热门领域。

2. 课题关键问题和重难点

区别于传统的电影推荐系统，本系统着眼于#8220;推荐#8220;二字，希望能针对不同用户，给出不同的电影推荐。如何进行特征提取，判断出用户的喜好，总结出电影的特点，又如何计算他们的相似度，都是本课题需要解决的难点和重点。

本课题的关键：

1. 具有普通系统完整的注册、登陆、浏览功能

3. 国内外研究现状（文献综述）

随着科技的发展与时代的进步，计算机早已成为了我们日常生活中必不可少的工具，在大环境之下，网络技术渗透到方方面面是必然的趋势。为了提高办公效率，网络信息技术也在飞速发展。人类社会进入了全新的信息化的时代。

从信息匮乏到信息过载，人们的生产生活遇到了巨大的挑战。社会各行业均以数据作为研究对象，与此同时也累积了大量具有潜在价值的数据，现今已步入大数据时代。我们进入各种搜索引擎网站亦或是app^[1]，在输入关键信息后检索想要得的信息。尽管我们可以通过搜索引擎来获取我们想要的信息，但是对于很多人来说，却并不明确自己需要什么具体的信息。例如当人们进入超市或商店进行购物时，并不太明确自己一定就做好了买什么的准备，而是去了货架、储物柜才知道。通过分析自身的喜好和需求，最终决定买什么。我们身处于一个信息爆炸的时代，让用户在有限的时间和无限的海量信息中去找所需要的信息，就像是大海捞针，这就是大家经常所称的信息过载现象。推荐系统能够为客户提供推荐服务，现在越来越多的科研工作者投入到此领域当中。如何能让这些海量信息自己主动#8220;找上门#8221;，从以前的主动寻找所需物品，变为被动的去接受。因此，这样也就形成了推荐系统的雏形。

在国外很多发达国家，软件产业早已得到全面普及，推荐系统被提出并受到大众的关注已有二十多年了，goldbery ^[2]等人员于 1992 年在 tapestry 垃圾邮件过滤系统中就已经运用了协同过滤思想。2006 年 netflix^[3]举办了改进推进系统大赛，然而这场比赛也催生出了许多其他优质的推荐算法，例如比较有名的当属隐语义模型和矩阵分解。它们为后续的推荐系统发展奠定了重要的理论依据。

4. 研究方案

1. 系统功能结构

系统总体功能结构如图1所示

5. 工作计划

2022-2023-1学期：

第15-16周：完成选题，查阅相关中英文资料，进行相关技术的学习。

第17周：与导师沟通进行课题总体规划。