开题报告

随着现代科技生产力的发展，人们在空闲时间中逐渐开始追求更高要求的娱乐活动，而电影就是最为普遍的娱乐方式之一。不管是喜剧还是悲剧，都能勾起你纯真的眼泪；不管是动作片还是恐怖片，都能让你的肾上腺大开大合；不管是科幻片还是纪录片，都能让你云游古今中外。不管是去电影院，或是购买影碟，或是在网上观赏影片前，人们总是有选择性地去寻找一些更符合自己喜好的、内容精致的、更受欢迎的电影去观看。但现在大数据时代，中国网络视频用户数巨大，电影是网络视频的重要组成部分，使得人们难以从中找出自己感兴趣的影片。而为了让用户顺利找到想看的电影，要求系统不仅可以通过主动查询来匹配结果，而且还能根据用户的行为数据主动感知用户需求，并将其感兴趣的电影推荐给用户，这就是推荐系统的目的。

推荐系统的起源可追溯到上世纪九十年代，自诞生至今已有20多年。在此期间，对推荐系统的研究从未停止，甚至越来越受关注。2010年之前，传统的推荐算法占主导地位，如协同过滤(Collaborative Filtering, CF)、矩阵分解、逻辑回归(Logistic Regression, LR)。之后，因子分解机(Factorization Machine, FM)与梯度提升决策树(Gradient Boosting Decision Tree, GBDT)这些近深度学习模型出现。到2015年，深度学习推荐模型开始大放异彩，各种模型架构不断涌现。其中CF算法的原理是根据用户的历史行为生成用户-物品共现矩阵，然后利用用户之间的相似性与物品之间的相似性分别进行推荐，由于其原理简单、直接被广泛应用。

在应用方面，推荐系统覆盖电商、电影、音乐等众多领域。对于电影推荐，国外有Criticker、 Jinni、 IMDB、 MovieLens、 Nanocrowd、 RottenTomatoes 等流行的电影推荐网站,他们根据各自独有的电影特征以及业务侧重点，开发具有各自特点的电影推荐系统。国内目前大部分的影视网站也都有自己的推荐系统，比如腾讯视频首页的“为你推荐”模块，爱奇艺首页的“猜你喜欢”模块，优酷首页的“猜你在追”模块等，用户不知道想要看什么的时候就可以进入此页面，这为用户寻找其感兴趣的电影提供极大的便利。

    2.1、基本内容

电影推荐系统为用户提供电影推荐服务，系统包括前台和后台。

前台用户可以先进行注册，通过注册后的用户名和密码进行登录，登录之后查看电影，电影在首页展示，包括动作片、喜剧片、恐怖片、爱情片、纪录片、历史片、科幻片、战争片等分类信息。点击电影后可查看电影的名称、导演编剧、主演、评分、时长、国家、语言、类型、简介等相关信息，在搜索框内输入电影或者导演、主演的名字就可以查找出该部电影并显示其相关的信息。在个性化推荐模块，系统会根据用户的喜好来推荐其可能感兴趣的电影。

后台管理员可以对用户信息进行编辑或者删除，可以添加电影并管理编辑电影相关信息。

2.2、技术方案

电影推荐系统前端采用Vue.js ，后端使用Spring Boot框架进行开发，数据库使用MySQL数据库。电影数据来源于相关电影网站，采用Python爬虫进行爬取相关电影的数据，将数据插入MYSQL数据库，然后在前端进行数据展示。后台主要进行电影相关基本数据的管理功能。给用户推荐的电影数据写入到REDIS数据库中进行存储。推荐算法采用协同过滤算法，来实现系统的个性化推荐功能。

3．进度安排：

第1周（2023年 1 月 15 日）前   熟悉课题内容，准备开题论证；

第1～2周（2023年1月 16 日～ 2月9 日） 查阅资料，选择设计方案，熟悉开发环境、开发方案，完成开题报告；

第3周～第10周（2023年 2 月 20日～3月31日 2022-2023-2学期教学周第1周～6周）  进行系统架构（包括系统的软件、硬件等）、设计各个模块详细的程序流程图并编程、写好阶段总结；

其中：第8～9周 接受期中检查，实现系统并进行测试，完成毕业论文初稿；

第10周 为指导教师评阅论文，学生修改论文；

第11周（2022-2023-2学期教学周第7周） 进一步地测试系统，修改并完成毕业论文；

第12周（2022-2023-2学期教学周第8周） 整理材料，准备答辩，装订论文。

第13周（2022-2023-2学期教学周第9周） 毕业设计答辩。

4、指导老师意见

 指导教师签名：                       年    月     日