本 科 毕 业 设 计（论文）开 题 报 告
题 目：基于大数据推荐系统的设计与实现
专题题目（若无专题则不填）：
本课题来源及研究现状：
l 课题来源：
近年来，互联网在飞速发展，可以说已经深入人心，到了今天，人们不可
能在离开网络了。现在人们足不出户就可以购物，聊天，消费，我们的生活越来越智能，越来越人性化，随之而来的就是让它更懂你，给你推荐你可能喜欢的东西，这样你就不必再费力去找你喜欢的东西，既节约了你的宝贵时间，又让你感到这是一次愉快的经历。所以，最近几年，推荐系统很是受欢迎，在生活中也逐渐流行起来。
l 研究现状：
现在，当我们浏览视频网站，他们会给我们推荐我们可能喜欢的电影或者电视剧。当我们浏览歌曲网站的时候他们会给我们推荐我们可能喜欢的歌曲。当我们浏览购物网站时，他们就会推荐我们可能喜欢的商品。现阶段做的最好的就要数京东和淘宝了，他们可以做到实时推荐。推荐系统有两种，一种是实时推荐，根据你浏览商品的痕迹来推断你可能喜欢的商品。还有一种就是离线推荐，它是根据商品与商品之间的联系来推断出你可能喜欢的商品，就行手机和手机保护壳的关系，它是根据大数据分析得来的商品与商品之间的亲密度。
就现在而言，虽然推荐系统很受欢迎，但大多数做的不够好，好多网站都是用的是别的公司的产品，所以在大数据推荐系统这一块还是很有前景的。大数据这门技术也是近几年刚刚兴起的，它的潜力和价值是无可限量的，它可以应用到各个领域，所以这对我们来说是个机遇，我们一定要抓紧，研究出属于我们自己的知识产权，创新技术。
课题研究目标、内容、方法和手段：
l 研究目标：
在开发设计大数据推荐系统，主要是对用户购买商品的记录做采集，用户
当然是越多推荐结果也就越准确。然后我们对数据做数据挖掘，自己写推荐算法，找出商品与商品之间的亲密度，等用户再次登录的时候，会根据他购买过的商品，为他做出推荐，为他推荐出他可能喜欢的商品。
l 研究内容：
本系统主要研究内容如下：
(1)hadoop集群的环境搭建：
去apache官网下载hadoop，在VMware上搭建4台虚拟机，其中一台做 namenode，其他三台做datanode。
(2)登录与注册模块：
使用简单的C/S体系结构，创建多个用户去购买商品，记录下来作为离线数据，以后用来做数据挖掘。
(3)推荐算法模块：
利用所学的数学知识，要求商品与商品之间的亲密度，我们可以用欧氏距离也可以用共线矩阵，在这里我选用的是共线矩阵。
(4)系统界面的设计：
我准备用html做几个页面出来，然后用相对路径把它们联系起来，然后把它们与数据库相连，读数据库。
(5)数据库模块：
我准备使用mysql数据库，因为它是免费的，而且非常好用，还有客户端
支持。
l 研究方法：
我将采用C/S体系结构，基于hadoop集群进行开发，设计出一个比较完善 的商品推荐系统。所以我首先要设计好整个系统的大致框架，还有开发流程。接着按照模块要求，分功能实现相关程序，采用所学技术和自学新技术设计程序。在已有的资料基础上，通过上网、图书馆等途径搜集所需资源，以整体架构分析情况为基础，分模块实现各个功能，并保存好有关设计文档和程序内容为以后的毕业论文写作做准备材料；最后系统实现后，进行相关调试和运行并记录结果。
设计（论文）提纲及进度安排：
l 设计（论文）提纲：
1、摘要
2、前言
3、研究目的与依据
4、系统总体方案设计
5、GUI设计
6、推荐算法设计
7、应用程序设计
8、总结
9、参考文献
10、致谢
l 进度安排：
1、毕业设计开题2017年2月19日前完成
2、第一、二周 软硬件平台选用、搭建开发环境
3、第三、四周 思考系统架构。
4、第五、六周 web设计
5、第七、八周 推荐算法设计
6、第十周 系统测试
7、第十一、十二周 毕业设计论文整理
主要参考文献和书目：
[1] TomWbite.Hadoop权威指南[M].清华大学出版社,2016.3.
[2] 陈凤鸣.Web开发的贵族-ASP.NET3.5+SQLServer2008[M].电子工业出版 社,2011.1.
[3] 赵亮,胡乃静,张守志.个性化推荐算法设计[J].算机研究与发展,2002年08期.
[4] 蔡浩,贾宇波,黄成伟.结合用户信任模型的协同过滤推荐方法研究[J].计算机工程与应用,2010年35期.
[5] 彭德巍,胡斌.一种基于用户特征和时间的协同过滤算法[J].武汉理工大学学报,2009年03期.
[6] 廖华.基于客户生命周期与交易偏好的商品推荐方法[J].大家,2010年08期.
[7] 软件测试_百度百科.软件[EB/OL].http://baike.baidu.com/view/16563.htm?fr=
aladdin.
[8] 王宏宇. 商务推荐系统的设计研究[D]. 中国科学技术大学 2007.
[9] 刘龙. 一个能实现个性化实时路径推荐服务的推荐系统框架[D]. 中国科学技术大学2014.
[10] 徐浩. 移动情景感知的实时推荐技术研究[D]. 国防科学技术大学 2015.
[11] 甘冈. Linux/UNIX 网络编程[M]. 北京：中国水利水电出版社，2008:43-224.
[12] 殷风景. 个性化信息推荐中若干关键问题与技术研究[D]. 国防科学技术大学 2014.
[13] 胡亮. 集成多元信息的推荐系统建模方法的研究[D]. 上海交通大学 2015.
[14] 于程远. 基于QoS的Web服务推荐技术研究[D]. 上海交通大学 2015.
指导教师审核意见：
指导教师（签字）： 年 月 日
注：本表可自主延伸
