1. 研究目的与意义
现阶段大多数人的购物选择都是在网上购物，网购成为了生活中不可或缺的一部分，但是针对有选择困难的用户或者是不经常浏览商品的用户，为了加大客户对商品的购买欲望提高销售额，使用协同过滤推荐算法计算出用户可能需要的产品并且推送给用户，增大交易额，现有电子商务协同过滤推荐系统效率较低，本设计在并行计算框架下提高算法效率。
2. 研究内容和预期目标
先使用过滤协同推荐算法，通过对用户购物记录数据的分析，得出与该用户类似的大多数用户都曾经购买过的商品，得出该用户可能需要但是还没有购买的商品，以及过滤掉大多数类似用户已经不需要的商品并且不再推送给该用户，达到用户可以通过浏览即可以得到自己想要的商品的目的，然后再在并行框架下提高算法效率。
3. 国内外研究现状
对此类算法存在的数据稀疏性、冷启动、扩展性问题进行了分析,并分类详细归纳了这些问题的研究现状和解决方案;最后提出了协同过滤推荐算法在融合大数据技术、社会网络分析技术以及关键用户分析技术三方面的研究热点，协同过滤推荐算法中用到的相似性度量方法并归纳了算法面临的主要问题的解决方案。
4. 计划与进度安排
2022年11月01日—11月25日 完成搜索文献上网查询及整理资料等论文的前期工作，并在老师的指导下撰写“开题报告”，11月26-3月10 完成初稿和中期检查工作，3月11日-5月10日完成论文修改，重复率检查，定稿，外文文献翻译工作，并且准备毕业答辩
5. 参考文献
基于协同过滤的电子商务个性化推荐算法研究
基于python的协同过滤推荐算法的研究与应用实现
卢风顺, 宋君强, 银福康,等. CPU/GPU协同并行计算研究综述[J]. 计算机科学, 2011, 38(3):5-9.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
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。
