毕业论文（设计）类型

毕业设计□         毕业论文 □

1.毕业论文（设计）的研究背景：

现在电影资源是网络资源的重要组成部分，随着网络上电影资源的数量越来越庞大，设计电影个性化推荐系统迫在眉睫。所以本文旨在为每一个用户推荐与其兴趣爱好契合度较高的电影。本系统包含电影前端展示界面、电影评分板块、推荐算法的实现以及后端数据库的设计。其中实现推荐算法是整个电影推荐系统的核心，系统采用爬虫技术和协同过滤算法，是推荐领域最出名也是应用最广泛的推荐算法。所以系统拟采用两种协同过滤算法给出两种不同的推荐结果，一种是基于用户的协同过滤算法，另一种是基于物品的协同过滤算法，用户可以根据两种推荐结果更加合理的选择合适的电影。

2.毕业论文（设计）任务的内容和要求（包括原始数据、技术要求、工作要求）

系统任务主要划分为以下五个模块：

1、前端界面模块：利用html、JavaScript和JQuery等技术实现系统界面展示

2、后端服务器模块：利用Django框架等技术实现数据的传输交互

3、数据存储模块：使用sqlite3数据库进行数据的存储处理

4、网络爬虫模块：利用python中的requests模块进行请求，pandas库进行数据处理， matplotlib库进行可视化分析

5、机器学习模块：使用pandas, libFM, sklearn完整的数据处理和模型构建、训练、预测

3.毕业论文（设计）成果的要求（包括图表、实物等硬件要求）

毕业设计源码一份

毕业论文一份

4.主要参考文献

[1] 崔金一. 基于Python的电影推荐系统的构建[J]. 计算机产品与流通, 2019(7):1.

[2] 王世晖. 基于协同过滤的推荐算法研究与引擎设计[D]. 电子科技大学.

[3] 崔军磊. 深度协同过滤算法在推荐系统中的研究与应用[D]. 郑州大学, 2019.

[4] 刘智旭. 基于对数似然相似度的推荐系统研究[D]. 广西大学, 2015.

[5] 刘亮均, 杨柳. 电影推荐系统的设计与实现[J]. 物联网技术, 2021, 11(3):4.

[6] 张玉叶. 基于协同过滤的电影推荐系统的设计与实现[J]. 电脑知识与技术：学术版, 2019(2X):4.

[7] 张中一. 基于随机游走的个性化电影推荐系统研究[J]. 滁州职业技术学院学报, 2017, 16(4):4.

[8] 叶芯妤(Hsin-Yu Yeh), 蔡妤姿(Yu-Tzu Tsai), 徐霈伦(Pei-Lun Hsu),等. 社群媒体协同过滤式英语学习影片推荐系统设计与实作[J]. 台湾科技大学人文社会学报, 2017, 13(2):153-168.

[9] 张玉叶. 基于Python的推荐系统的设计与实现[J]. 计算机时代, 2019(6):4.

[10] 李文栋. 基于Spark的大数据挖掘技术的研究与实现[D]. 山东大学.

[11] 易顺明. 基于Python的推荐系统相似性分析和协同过滤[J].  2021(2015-1):3-7.

[12] 商红宇, 葛苏建. 基于Python的网络爬虫技术研究[J]. 文存阅刊, 2020.

[13] 康健. 电影推荐系统微信小程序的设计与实现. 西北民族大学, 2019.

[14] 李文栋. 基于Spark的大数据挖掘技术的研究与实现[D]. 山东大学, 2015.

[15] 黄凑英. 基于Python的个性化影片推荐引擎的设计与实现[D]. 湖南大学, 2016.

[16]  ChouDHary S ,  Koul S ,  Mishra S , et al. Collaborative job prediction based on Naïve Bayes Classifier using python platform[C]// 2016 International Conference on Computation System and Information Technology for Sustainable Solutions (CSITSS). IEEE, 2016.

[17]  Wu C ,  Garg D ,  Bhandary U . Movie Recommendation System Using Collaborative Filtering[C]// 2018 IEEE 9th International Conference on Software Engineering and Service Science (ICSESS). IEEE, 2018.

[18]  Titipat A ,  Acuna D E ,  Tulakan R , et al. Science Concierge: A Fast Content-Based Recommendation System for Scientific Publications[J]. Plos One, 2016, 11(7):e0158423.

[19]  Shun-Ming Y I . Similarity Analysis and Collaborative Filtering in Recommendation System Based on Python[J]. Journal of Shazhou Professional Institute of Technology, 2015.

[20]  Zhang Y Y ,  Computer D O . Design and Implementation of Movie Recommendation System Based on Collaborative Filtering[J]. Computer Knowledge and Technology, 2019.

5.毕业设计(论文)进度计划(以周为单位)

起止日期

工作内容

2021.12.01-2021.12.10：确定毕业设计题目；

2021.12.11-2021.12.25：查找相关资料，完成开题报告；

2021.12.26-2022.01.15：书写需求文档；

2022.01.16-2022.01.31：分析需求，确定技术栈，设计实现方案；

2022.02.01-2022.03.31：编码实现；

2022.04.01-2022.04.15：测试；

2022.04.16-2022.05.01：完成论文初稿；

2022.05.02-2022.05.10：检查修改完成一次论文初稿；

2022.05.11-2022.05.15：根据指导老师的讲评及意见，修改并提交二次论文草稿；

2022.05.16-2022.05.20：讲评第二次论文草稿、集中解决有关论文漏洞问题并及时修改；

2022.05.21-2022.05.22：基本完成论文大纲要求，论文成型，指导老师讲评修改并定稿；

2022.05.23-2022.05.25：整理打印论文、装订论文；

所在专业审核意见：

专业负责人签名：

年  月  日

学院意见：

教学院长签名：

年  月  日