1. 研究目的与意义
1.选题背景：
随着互联网技术的飞速发展，传统技术无法满足用户需求的背景下，为了改进信息服务速度又出现了一个新的发展方向，协同过滤的出现是目前各种推荐系中应用较为广泛和成功的技术。其基本原理是根据每一个目标用户的偏好及历史信息数据进行统计分析，预测出满足目标用户需求或感兴趣的信息或产品，从而向该用户进行推荐，实现个性化推荐的服务。
个性化推荐系统推出后，在各种行业里面掀起一阵阵的热潮，通过主动搜集目标用户的数据信息,经过对目标用户的特征数据比如目标用户的个性、目标用户的行为习惯、兴趣偏好的分析，生成结果是更符合目标用户个性化的需求和兴趣偏好，从而达到“一对一”式的数据信息推荐的服务。
2. 课题关键问题和重难点
1.关键问题
(1)框架搭建：合适的框架可以极大程度的减少代码工作量和开发时间。搭建合适的框架选择合适的算法是开发音乐推荐系统的第一步。
(2)接口接入：接口设计是否正确是项目能否成功运行的关键。也是连接项目前端页面和后端功能的关键。
3. 国内外研究现状（文献综述）
1997年Resnick和Varian给出了推荐系统的正式定义:“它是利用电子商务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”。通过对电子商务网站整体商品的购买(收藏)情况、用户在线人数统计的分析，使用推荐系统得出推荐列表，以供用户选定购买哪些商品(包括实物和虚拟商品)。考虑这些因素的结果促使推荐系统在电子商务领域中具有了个性化特点。
伴随着电子商务的普及应用和Internet技术在全球的发展，推荐系统越来越吸引外界的关注，并逐步发展成为了国家、公司、研究所、以及高校的重要 的研究热点。在这种背景下，国内外众多学者开始关注推荐系统的发展: ACM6]即美国计算机协会的学术会议多次以推荐技术为讨论主题，国内外著名期刊纷纷专门刊写以推荐系统及其技术为主的专题。二零零六年至二零零九年Neiflix!7]组织的竞赛，并以一百万为奖金，掀起了推荐系统研究的热潮。
ACM的信息检索特别兴趣小组SIGIR在第二十四届研究和发展会议上，专 门将推荐系统作为一一个研讨议题进行讨论研究。1999 年，人机界面专门会议建立了研究推荐系统的特别研究小组，专项对推荐系统进行系统的研究和改进。在此时刻，在第15 届人工智能会议、第1届知识管理应用会议上PAKM也将推 荐系统当成此后研究的主要内容。2000 年8月《Communication of the ACM》第二次组织了个性化服务的专门刊物，开始，个性化推荐服务的研究已经进入了快速发展阶段8]。
4. 研究方案
| 四、方案（设计方案、研制方案、研究方案）论证 1. 系统功能结构 系统总体功能结构如图1所示
图1 基于协同过滤推荐算法的音乐社交系统设计与实现 2.核心功能流程图
图2前台客户端流程图 图3 用户推荐流程图
图4 用户播放音乐记录流程图
图5 爬取网易云飙升榜音乐工作流程图
3.研究方案 基于协同过滤推荐算法的音乐社交系统设计与实现主要分为四个部分 1）爬虫爬取网易云歌单。 2）增加用户听歌次数纪录。 3）应用余弦相似度，基于用户协同算法。 4）网页设计，数据可视化。
|
5. 工作计划
2022-2023-1学期：
第15-16周：完成选题，查阅相关中英文资料。
第17周：与导师沟通进行课题总体规划。
