1. 研究目的与意义
随着信息技术的飞速发展和互联网的迅速普及，网络数据爆炸式增长，越来越多的信息和服务充斥着网络世界。如何在海量的数据中摄取对用户有用的数据成为焦点。而作为在校大学生，我们的生活越来越丰富多彩，但是非常现实的是，我们始终活在自己的“朋友圈”之中。如何走出自己的“朋友圈”，如何关注他人的生活或者向其他人分享我们的生活动态，是当代大学生所需要的。基于这样的需求，一个从学校出发的生活分享平台应运而生。
目前大学生的动态分享软件主要有QQ和微信。而这两种软件主要功能是用来即时通讯，只能片面的满足学生的通讯需求。毕竟它不是做专门的生活分享，因此不能解决学生的很多其他需求。比如，当在校大学生需要了解最近同学们的生活喜好时，它就无能为力了。正式由于这样的缺憾，我们就更加需要专门的生活分享平台来解决此类问题。
由于用户独特的兴趣等，人们越来越意识到推荐系统的重要性。在日趋激烈的竞争环境下，个性化推荐算法，不同于其他算法，它可以有效的提高用户体验，提高服务质量，为企业带来巨大的经济效益。因此，个性化推荐技术具有重要的研究意义。
2. 研究内容和预期目标
本课题首先对协同过滤技术进行研究，升入学习近邻相似度的计算过程，并掌握协调过滤推荐技术实现的不足，通过在相关数据集上进行实验，得到最佳矩阵分解算法的模型。在通过Java语言构建生活分享系统框架，通过协调过滤算法，对用户实现信息推荐。
3. 国内外研究现状
国外研究现状
个性化推荐技术是推荐系统的核心，其研究最早始于国外。1992年,Golaberg在学术论文提出了协同过滤算法(CF, Collaboraive Fiterig),在此基础上构建个性化推荐系统——第一个Tapestry的邮件过滤系统,Tapestry根据用户下载内容计算兴趣相似的用户,然后使用相似性为用户推荐相关的新闻。协同过滤推荐算法的提出对当时整个推荐系统的研究具有划时代的意义。因此，学术界认为Tapestry是真正意义上的第一个推荐系统。1997年3月,针对个性化推荐系统,美国计算机协会ACI进行了特别报道,首次论述了个性化推荐服务在电子商务中的应用,和Resnick Vafan提出电子商务推荐系统的定义,同年,明尼苏达大学的研究人员创造了在线电影推荐系统MovieLens ,是协同过滤技术发展进步的先驱，通过使用用户对影片感兴趣的程度和协同过滤推荐技术向用户推荐可能感兴趣的未看过影片的项目。从1999年开始，ACM每年都建立推荐系统(ACM recomme - nder systems)，并每年举办电子商务研讨会，个性化推荐成为研究的焦点。在2001年，著名的电子商务网站亚马逊将推荐系统应用于其网站，个性化推荐从学术研究开始到实际应用。亚马逊的推荐系统在其产品组合中，主要应用的是个性化推荐列表和相关产品推荐列表。个性化推荐列表使用一种基于协同过滤的推荐算法，该算法向用户推荐那些与他们之前喜欢的相似的物品。亚马逊的推荐系统应用是学术研究和行业实践的典范，越来越多的研究人员和企业经过工程师的实践，将个性化推荐系统付诸实践。其中netflix视频网站尤为著名，它利用用户的电影评级信息为用户进行推荐，并于2006年开始组织著名的Nettix奖推荐系统，以收集更高效的算法。竞争对于推荐系统的发展起着重要的作用。2007年，根据用户最近谷歌的搜索记录挖掘用户的兴趣，从而在AdWorks的在线广告中提供基于关键词的个性化推荐服务。
国内研究现状
4. 计划与进度安排
基于NetBeans IDE 7.3.1开源平台构建传统的推荐系统，并对其进行研究。
5. 参考文献
1、欧琼妍.智慧校园背景下图书馆个性化推荐服务系统设计[J].图书馆学刊,2020,42(10):93-96.
2、刘君良,李晓光.个性化推荐系统技术进展[J].计算机科学,2020,47(07):47-55.
3、侯林坤.电影个性化推荐系统的构建[J].电脑知识与技术,2020,16(27):41-42.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
