一、 开题依据（研究目的、意义及国内外研究概况，附主要参考文献）

1. 研究目的、意义

随着互联网行业的飞速发展，互联网已经和我们的生活和工作息息相关。可以说现在是网络的时代，不会网络，就成为网盲。伴随着网络带来的是信息爆炸式增长，出现“信息过载”的问题，人们很难在过量的信息中获取到最需要最有用的信息。这分析信息的利用性的过程中浪费了很多时间，降低了工作的效率。因此，迫切需要信息的过滤的技术来帮助人们获取出最有用的信息，节省大量的时间。但是在实际运用中，在海量数据中获取种类众多的信息，效率比较慢。特别是在单机环境下，当众多用户同时请求的情况下，即高并发情况下，单机系统的性能会受到限制。

为了提高的系统的效率，解决系统的扩展性问题，采用Spring Cloud技术，利用的是分布式系统的相关技术来解决传统系统的性能低下的问题。

现在的社会电子商务行业很火，BAT这些行业巨头技术领先于同行。在他们的平台上就运用了一些推荐技术，向消费者推荐一些产品。但是在一些找兼职平台的推荐功能纯粹根据关键字来推荐，效果不是很好。

现在大学生的大学生活相对来说，是比较轻松的，有很多的课外时间。当想找个兼职时，只能够在海量的兼职信息中自己去筛选出自己相对喜欢的职位。在筛选信息的过程中浪费了很多宝贵的时间，现代社会时间就是金钱。因此，开发出一个兼职推荐系统，为广大大学生推荐符合要求且质量相对可靠的职位是有重大意义的。可以利用Spring Cloud进行面向服务的开发，利用Hadoop对海量的信息进行存储，推荐算法可以利用Apache下的开源框架Mahout，可以提高推荐信息的效率和质量。本论文开发了一个大学生兼职推荐系统，采用了Spring Cloud微服务框架的技术，提供了兼职职位的发布、兼职职位的申请、兼职职位的推荐等功能，达到兼职职位发布信息实时显示，推荐出较优选择方案，节省时间，提高效率的效果。

2. 国内外研究概况

推荐系统是利用电子商务网站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。个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。

1995年3月，卡耐基.梅隆大学的RobertArmstrong等人在美国人工智能协会上提出了个性化导航系统Web Watcher；斯坦福大学的MarkoBalabanovic等人在同一会议上推出了个性化推荐系统LIRA。

2001年，IBM公司在其电子商务平台Websphere中增加了个性化功能，以便商家开发个性化电子商务网站。

2003年，Google开创了AdWords盈利模式，通过用户搜索的关键词来提供相关的广告。AdWords的点击率很高，是Google广告收入的主要来源。2007年3月开始，Google为AdWords添加了个性化元素。不仅仅关注单次搜索的关键词，而是对用户一段时间内的搜索历史进行记录和分析，据此了解用户的喜好和需求，更为精确地呈现相关的广告内容。

2009年7月，国内首个推荐系统科研团队北京百分点信息科技有限公司成立，该团队专注于推荐引擎技术与解决方案，在其推荐引擎技术与数据平台上汇集了国内外百余家知名电子商务网站与资讯类网站，并通过这些B2C网站每天为数以千万计的消费者提供实时智能的商品推荐。

2011年9月，百度世界大会2011上，李彦宏将推荐引擎与云计算、搜索引擎并列为未来互联网重要战略规划以及发展方向。百度新首页将逐步实现个性化，智能地推荐出用户喜欢的网站和经常使用的APP。

目前，很多网站已经运用了个性化推荐服务。例如：淘宝、天猫、京东、谷歌、百度等。随着用户对推荐服务的需求不断增大，推荐服务技术成为现代互联网技术的焦点。

兼职推荐系统的现状就没有像那些电商那么乐观了。现在比较大型的职位招聘网站如智联招聘、BOSS直聘、拉勾等有使用一些推荐算法。很多职位的推荐网站都是根据求职者的意向，期望薪资和热门职位作为推荐依据。推荐服务的质量相对较低。目前急需一种通过用户的具体信息，意向，以往的浏览信息，申请日志等数据进行算法的分析，获取相对质量高的推荐结果的兼职推荐系统。

3. 参考文献

[1]  刘建国, 周涛, 汪秉宏. 个性化推荐系统的研究进展[J]. 自然科学进展, 2009, 19(1): 1-15.

[2] 黄仁, 孟婷婷. 个性化推荐算法综述[J]. 中小企业管理与科技(中旬刊),  2015(3): 271-273.

[3] 樊雅琴, 王炳皓, 王伟, 唐烨伟.深度学习国内研究综述[J]. 中国远程教育, 2015(6): 27-33, 79.

陈军, 谢卫红, 陈扬森.国内外大数据推荐算法领域前沿动态研究[J]. 中