1. 毕业设计（论文）的内容和要求
如今基于个性化推荐算法的推荐系统已广泛应用于大型电子商务平台、社交平台、新闻客户端以及其他各类娱乐网站中。
协同过滤推荐算法是个性化推荐中运用的最早和最成功的一种推荐技术，它的任务是利用用户与项目评分矩阵中的已知元素来预测未知元素的评分值并将预测评分高的项目推荐给用户。
个性化推荐能够根据用户的历史行为显示或隐式的挖掘用户潜在的兴趣和需求，为其推送感兴趣并且个性化的信息，已越来越收到研究者的追捧及工业界的青睐。
2. 参考文献
[1]李科文,张必武,陈发燕,唐莹.几种推荐算法的学习[J].现代营销(经营版),2020(01):89.[2]王仲钰,刘凯俐.基于协同过滤和关联分析的图书推荐系统[J].现代商贸工业,2019,40(35):209-211.[3] 黄坤元. 高校图书推荐系统算法与模型研究[D].内蒙古大学,2019.[4]郭艳红. 推荐系统的协同过滤算法与应用研究[D]. 大连理工大学, 2008.[5]邓爱林, 朱扬勇, 施伯乐. 基于项目评分预测的协同过滤推荐算法[J]. 软件学报, 2003, 14(9):1621-1628.[6]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(8):720-734.[7] 安德智, 刘光明, 章恒. 基于协同过滤的图书推荐模型[J]. 图书情报工作(1):36-39.[8]赵冉.基于云计算平台的图书馆混合推荐技术研究[J].现代电子技术,2019,42(23):145-149.[9] 李晓瑜. 协同过滤推荐算法综述[J]. 商丘师范学院学报, v.34；No.285(09):13-16.[10]Shugang Li,Xuewei Song,Hanyu Lu,Linyi Zeng,Miaojing Shi,Fang Liu. Friend recommendation for cross marketing in online brand community based on intelligent attention allocation link prediction algorithm[J]. Expert Systems With Applications,2020,139.[11] Zhang P , Zhang Z , Tian T , et al. Collaborative filtering recommendation algorithm integrating time windows and rating predictions[J]. Applied Intelligence, 2019.[12] Jonathan L. Herlocker, Joseph A. Konstan, Al Borchers,等. An Algorithmic Framework for Performing Collaborative Filtering[J]. Acm Sigir Forum, 2017, 51(2):227-234.[13] Ekstrand M D. Collaborative Filtering Recommender Systems[J]. 2007, 22(1):5-53.[14] Robinson G B. Automated collaborative filtering system[J]. 1998.[15] Miyahara K, Pazzani M J. Collaborative Filtering with the Simple Bayesian Classifier[J]. 2000.[16] Hao M, King I, Lyu M R. Effective missing data prediction for collaborative filtering[J]. 2007.[17] Guo G, Jie Z, Yorkesmith N. TrustSVD: Collaborative Filtering with Both the Explicit and Implicit Influence of User Trust and of Item Ratings[J]. 2015.
