毕业设计(论文)任务书（1）

1. 目的要求 当今，随着计算机科学技术的发展和人类社会的不断进步，人们获取知识的途径也变得越来越多。在图书馆领域，由于图书馆图书过多，这样庞大的信息数据对于用户来说，带来了相当大的困难，有时想找一本自己喜欢的书，需要花费很长的时间，甚至有些与读者兴趣相似的一些书由于信息流通不及时，读者也很容易错过，造成图书资源利用率不高，如何使读者从主动获取信息，变为被动获取自己感兴趣的信息，因此及时感知用户的兴趣变化，并推荐相关书目已经成为图书馆所关注的目标。本课题希望通过对厦门理工学院图书馆近一年的图书借阅记录，感知学生借阅兴趣的变化，从而预测其未来可能的借阅方向，并为其推荐感兴趣的图书。 2. 技术要求 (1) 熟练掌握数学公式； (2) 熟悉JAVA，JSP等语言； (3) 熟悉数据挖掘； (4) 熟练掌握MySQL数据库 毕业设计（论文）的任务（包括目的要求、技术要求、工作要求、时间安排等） 3.工作要求 (1)深入了解个性化技术的当前发展现。， (2)在第二章会分析基于用户的协同过滤和基于物品的协同过滤，以及其所面临的数据稀疏性，冷启动等问题。 (3)对于那些稀疏矩阵采用降低维度的算法，得出用户对物品的评分。 (4)提出一种优化的协同过滤技术。 (5)对实现效果进行评价，采用几种评价算法。 4.工作计划安排 1) 第一阶段(2016.1.6之前)：收集资料、选题、一篇外文文献翻译、毕业设计（论文）开题报告； 2) 第二阶段(2016. 1.6--2016.2.6)：文献综述； 3) 第三阶段(2016.2.6--2016. 3.6)：推荐系统比较 4) 第四阶段(2016.3.6--2016.3月中旬)：数据预处理 5) 第五阶段(2016.3月中旬--2016.4月下旬)：训练测试集与测试数据集的构建、用户兴趣建模和协同优化 6) 第六阶段(2016.4月下旬--2016.4.30)：完成数据处理与分析，递交毕业设计论文初稿； 7) 第七阶段(2016.5月--2016.5月下旬)：论文定稿，毕业论文打印，毕业答辩准备及PPT 制作，并交由指导教师审阅。 备注：1.此表由指导教师填写；

2.表格不够填写可续页；并粘贴在本页。

1

毕业设计(论文)任务书（2）

1. 题目性质 应用研究 2. 题目来源 毕业设计 （论文）主要内容（包括题目性质、来源，研究目的、内容等） 教师科研课题 3. 研究目的 本文就基于项目过滤的图书馆推荐系统展开研究和探讨。本课题希望通过对厦门理工学院图书馆近一年的图书借阅记录，感知学生借阅兴趣的变化，从而预测其未来可能的借阅方向，并为其推荐感兴趣的图书。 4. 研究内容 (1) 简介基于用户的推荐算法，基于物品的推荐算法。 (2) 面对数据稀疏性，冷启动等问题采取降维度做法。 (3) 提出一种优化的协同过滤 (4) 对实验效果进行评价。 [1] 高建煌.个性化推荐系统技术与应用[D].中国科学技术大学2010 [2] 周玲元.图书馆情境感知服务模型及应用研究[D].南昌大学,2015. 主要 参考 文献 [3] 孙艳.基于协同过滤的图书推荐算法研究[D].江苏大学,2015. [4] 郑丽姣.个性化推荐技术在高校数字图书馆中的应用研究[D].湖南科技大学,2015. [5] 黄传慧.基于情境感知的图书馆学术信息推荐系统构建研究[J].图书馆工作与研究,2015,1(10):21-26. [6] 李建军.个性化推荐中混合模型的研究[D].上海大学,2015. 指导教师签字: 年 月 日 备注：1.此表由指导教师填写；

2.表格不够填写可续页；并粘贴在本页。

2

毕业设计（论文）开题报告（1）

1. 研究目标 当今，随着计算机科学技术的发展和人类社会的不断进步，人们获取知识的途径也变得越来越多。在图书馆领域，由于图书馆图书过多，这样庞大的信息数据对于用户来说，带来了相当大的困难，有时想找一本自己喜欢的书，需要花费很长的时间，甚至有些与读者兴趣相似的一些书由于信息流通不及时，读者也很容易错过，造成图书资源利用率不高，如何使读者从主动获取信息，变为被动获取自己感兴趣的信息，因此及时感知用户的兴趣变化，并推荐相关书目已经成为图书馆所关注的目标。 个性化推荐技术通过研究不同用户的兴趣，主动为用户推荐最需要的资源，从过去的“人找信息”变成“信息找人”，从而更好地解决当今信息量庞大的时代。 在众多的个性化推荐算法中，协同过滤被广泛应用，也是最成功的推荐算法个性化推荐技术。协同过滤推荐又分为基于模型(Model-based)的协同过滤和基于用户的协同过滤。后来，sarwr教授在2001年提出基于项目的协同过滤算法。它的定义就是通过收集和分析用户的历史纪录，从信息中挖掘出用户的兴趣，爱好等信息。它分析的是用户潜在兴趣，首先在用户群中找到指定用户的相似兴趣的用户，综合这些相似用户对某一信息的评价，然后预测该用户对此信息的喜好程度 研究目标与内容（包括基本内容、方案论证、设计思路等） 2. 基本内容 本课题的基本内容包括推荐系统比较，数据预处理与协同算法分析。 (1) 简介基于用户的推荐算法，基于物品的推荐算法。 (2) 面对数据稀疏性，冷启动等问题采取降维度做法。 (3) 提出一种优化的协同过滤 (4) 对实验效果进行评价。 3. 设计思路 1绪论部分 包括研究的背景和意义，论文的研究思路 2推荐系统简介 主要包括基于用户推荐算法，基于物品的推荐算法等 3数据预处理 即数据稀疏性问题，由于图书数量的庞大，每个用户所评价的商品数量只占所有数量的很少的一部分，这样会有相当多的未评分项，从而影响系统的精准性，会采用降维的算法解决稀疏性问题 4优化协同算法 一种优化的协同过滤，可以更好的服务于图书馆 5对实验效果进行评价 备注：1.此表由学生填写；

2.表格不够填写可续页，并粘贴在本页之后。

3