1. 研究目的与意义
互联网如今的爆发式发展在很大的程度上已经改变了我们的生活，资源的爆发式增长使得用户获取有效信息成为了新的难题，于是很多帮助用户快速精准找到所需信息的解决方案诞生了，例如搜索引擎，推荐系统等。
个性化推荐系统的定义是Resnick和Varian在1997年给出的：“它是利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程”。从最初在电子商务网站的深度剖析，到当下在的音乐、电影、学习资料等不同领域的广泛应用。在三十多年的时间里，个性化推荐系统一直是学术界和工业界的关注的焦点，比较成熟的推荐技术有：基于内容的推荐、协同过滤、深度学习、基于标签的推荐系统、混合推荐算法等。
目前国内像联想、华硕、戴尔等品牌电脑企业有百余家，每家企业旗下又拥有着型号各异、配置各异、价格各异的各式各样的个人便携式电脑，其中包含的信息非常的丰富，存在着严重的信息过载。对于想要入手一款笔记本电脑的用户来说，都不可能去了解每一家公司的每一种型号的笔记本电脑，很多时候都是在模模糊糊之中下了单，用户的需求往往得不到满足，如何根据用户在系统中产生的行为信息去庞大的数据库中挖掘出用户可能感兴趣的品牌，这就需要销售数据的采集与推荐技术综合考虑用户偏好、时间、地点、环境等各种复杂的特征，准确的从上千万的销售数据中挑选出此时此刻最适合这个用户使用的便携式电脑，给广大的用户带来便捷的享受，真正做到众口可调。
2. 研究内容和预期目标
研究内容：
（1）对各品牌电脑销售数据的搜集（python爬虫爬取数据）；
（2）Hadoop大数据平台及其相关组件的搭建（Linux的搭建、安装Hadoop、安装mysql、下载安装IDE、安装Node.js等等）；
3. 国内外研究现状
（1）国外研究现状：个性化推荐系统的定义是Resnick和Varian在1997年给出的：“它是利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程”。2001年，著名电子商务网站亚马逊将推荐系统运用到其网站中，个性化推荐开始从学术研究向实际应用中迈进。亚马逊的推荐系统深入到了其各类产品中，其中最主要的应用是个性化商品推荐列表和相关商品推荐列表。个性化推荐列表采用的是基于物品的协同过滤推荐算法，该算法给用户推荐那些和他们之前喜欢的物品相似的物品。亚马逊推荐系统的应用是学术研究和工业实践相结合的典范， 之后越来越多的研究者和企业工程师投入到了个性化推荐系统的实践中。其中视频网站Netflix尤为出名， 它是利用用户对电影的评分信息为用户推荐电影， 并于2006年开始举办著名的Netflix Prize推荐系统比赛,以征集效率更高的算法。该项赛事对推荐系统的发展起到了重要的推动作用。2007年， Google根据用户最近搜索记录去挖掘用户的兴趣爱好，从而依据关键字在在线广告AdW or ks中提供个性化推荐服务。 （2） 国内研究现状：国内的推荐技术发展相对缓慢。大多数电商网站采用的技术不够成熟，基本上是针对所有用户，个性化成分太少，持久性程度较低。近几年， 随着互联网电商的快速发展， 以及Amazon个性化推荐系统的应用成功， 国内电子商务网站也纷纷构建其推荐系统。2006年，当当网开始提供个性化推荐服务，用以向客户推荐书籍。2008年，淘宝网推出了个性化推荐系统，用于帮助用户从大量的商品中找到符合自己偏好的商品。2011年，百度推出了个性化推荐首页，根据用户的行为向其推荐符合需求的信息。2014年，阿里巴巴开始举办“天猫”推荐算法大赛，吸引了国内外众多研究者的参加，促进了个性化推荐系统的发展。
4. 计划与进度安排
研究计划：
（1）课题了解
此处的课题了解包括但不限于：分析用户的职业及爱好习惯，为广大用户提供可能符合他们的兴趣的电脑品牌及配置。
（2）可行性分析
可行性分析包括：经济可行性，到网上寻找可用的数据；技术可行性，系统开发人员是否可以完成所定下的需求；操作可行性，是否可以方便熟练使用本系统；社会可行性，本系统的实施是否可以切实的为用户推荐符合要求的便携式电脑；法律可行性，本系统开发的所有功能是否会违反国家相应的法律文献。
（3）需求分析
需求分析主要分析，销售数据采集方面需要我们完成哪些功能，同时所开发的系统需要分析哪些数据信息，方便系统推荐。并绘制相应的功能模块流程图、系统流程图、ER图等。
（4）系统开发
根据上述所提出的需求进行系统开发设计。
（5）系统测试
对所开发的系统编辑相应的测试用例，并依据需求说明一一对系统进行功能测试。
（6）撰写报告
论文（设计）进度计划：
| 日期 | 工 作 内 容 |
| 11.20-12.11 | 1）了解课题需求，分析课题内容收集资料和查阅相关文献； 2）熟悉开发平台及开发工具； 3）了解开发课题的意义、现状及其发展趋势，分析系统所需功能； 4）撰写开题报告。 |
| 12.12-01.10 | 1）对研究课题进行调查分析； 2）根据调查分析结果进行需求分析并撰写需求说明； 3）根据需求分析结果进行功能模块设计。 |
| 01.11-02.15 | 1）系统基层应用的搭建； 2）系统各个功能模块单独开发; 3）系统功能模块整合； 4）系统调试； |
| 02.16-03.19 | 1）毕业论文初稿撰写； 2）毕业论文中期检查工作。 |
| 03.20-05.14 | 1）论文修改、重复率检查、定稿、外文文献翻译工作。 |
| 05.15-05.28 | 1）请指导老师检阅文档及系统，后期功能调试； 2）完成答辩。 |
5. 参考文献
[1] Bawden D，Robinson L.The darkside of information：overload， anxiety and other paradoxes andpathologies.Journal of information science， 2009， 35(2) ：180-191.[2] A do mavic i usG， Tu zhi linA.Context-aware recommender systems.In：Recommender Systems Hand book[M] .2011：217-253.[3] Resnick P， Varian HR.Recommender systems.Communications of the ACM， 1997， 40(3) ：56-58.[4] Wang Guo xia， Liu Heping.Survey of personalized recommendation system.Computer Engineering andApplications， 2012， 48(7) ：66-76.
[5]朱郁筱，吕林媛.推荐系统评价指标综述[J].电子科技大学学报，2012(02).[6]刘建国，周涛，郭强，汪秉宏.个性化推荐系统评价方法综述[J]，2009(03)[7] Wes Mckinney利用Python进行数据分析[M] .北京：机械工业出版社2013.[8]董丽，邢春晓.基于不同数据集的协作过滤算法评测[J].清华大学学报.2009.2.
[9]徐淮杰,张二芬.基于关联规则与奇异值分解的音乐推荐系统[J].电子设计工程,2013,21(01):17-19.
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。
