登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 开题报告 > 电子信息类 > 信息工程 > 正文

基于协同过滤的小说推荐系统的设计开题报告

 2020-04-13 05:04  

1. 研究目的与意义(文献综述)

随着起点中文网、纵横中文网、塔读文学网、掌阅文化、17k小说网、磨铁中文网、凤凰书城等小说平台不断壮大,以及各大互联网公司介入网络小说市场,包括网易云阅读、阿里旗下阿里文学大肆扩张,腾讯阅文集团的上市等,中国网络小说迅速发展。

同时随着网络小说的市场运作,诸多基于热门小说等改编的影视项目,譬如电影《致我们终将逝去的青春》《鬼吹灯之寻龙诀》、电视剧《何以笙箫默》《花千骨》等作品的成功,让作者的收入的多样化,作者的身价也随之水涨船高。越来越多的作者加入网络小说的创作中。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

本设计的目标是提供给用户有效准确的小说推荐。在本系统中,将实现以下功能:普通用户的登录和注册;小说的搜索;小说推荐列表展示;用户的书单创建及管理;用户分享小说和推荐列表;普通用户登录后可根据用户历史信息进行推荐;管理员的登录和注册;管理员可以对小说进行增删改查等功能。

如下图所示,本系统用的技术是koa react架构。


剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

(1)第1-3周:查阅相关文献资料,明确研究内容,学习毕业设计研究内容所需理论的基础。确定毕业设计方案,完成开题报告。

(2)第4-6周:设计小说推荐系统的模块结构,研究算法策略,完成英文资料的翻译。

(3)第7-10周:完成各个模块的软件设计;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

[1]冷亚军,陆青,梁昌勇.协同过滤推荐技术综述[J].模式识别与人工智能,2014,27(08):720-734.
[2]叶锡君,龚玥.基于项目类别的协同过滤推荐算法多样性研究[J].计算机工程,2015,41(10):42-46 52.
[3] Shi Y, Larson M, Hanjalic A. Collaborative Filtering beyond the User-Item Matrix: A Survey of the State of the Art and Future Challenges[M]. ACM, 2014.
[4]沈继文. 基于项目相似度与用户需求的协同过滤推荐算法研究[D].西南交通大学,2017.
[5]韦素云,业宁,吉根林,张丹丹,殷晓飞.基于项目类别和兴趣度的协同过滤推荐算法[J].南京大学学报(自然科学版),2013,49(02):142-149.
[6]Guo G, Zhang J, Thalmann D. Merging trust in collaborative filtering to alleviate data sparsity and cold start[J]. Knowledge-Based Systems, 2014, 57(2):57-68.
[7]陈曦,成韵姿.一种优化组合相似度的协同过滤推荐算法[J].计算机工程与科学,2017,39(01):180-187.
[8]张戈一,朱月琴,吕鹏飞,刘广开,胡博然.耦合协同过滤推荐与关联分析的图书推荐方法研究[J].中国矿业,2017,26(S1):425-430.
[9]Choi K, Suh Y. A new similarity function for selecting neighbors for each target item in collaborative filtering[J]. Knowledge-Based Systems, 2013, 37(1):146-153.
[10]黄典.基于项目的协同过滤推荐算法的改进[J].中国科技信息,2016(01):64-66 49.
[11]邓华平.基于项目聚类和评分的时间加权协同过滤算法[J].计算机应用研究,2015,32(07):1966-1969.
[12]Cai Y, Leung H F, Li Q, et al. Typicality-Based Collaborative Filtering Recommendation[J]. IEEE Transactions on Knowledge amp; Data Engineering, 2014, 26(3):766-779.
[13]盈艳,曹妍,牟向伟.基于项目评分预测的混合式协同过滤推荐[J].现代图书情报技术,2015(06):27-32.
[14]张佳,林耀进,林梦雷,刘景华,李慧宗.基于信息熵的协同过滤算法[J].山东大学学报(工学版),2016,46(02):43-50.
[15]Sun H, Zheng Z, Chen J, et al. Personalized Web Service Recommendation via Normal Recovery Collaborative Filtering[J]. IEEE Transactions on Services Computing, 2013, 6(4):573-579.


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

企业微信

Copyright © 2010-2022 毕业论文网 站点地图