协同过滤的电影系统任务书

课题的目的和任务 目的：电影推荐系统可拓展性强，各个模块可独立拆分优化，使用独立的硬件资源，符合系统设计低耦合、标准化的设计思路。两种推荐方式满足用户的需求，保证了系统稳定的性能和准确性，能够精准的为用户做定向电影推荐，并做了电影之间的相似型分析，为用户提供了更精确的电影信息。 任务： （1）查阅相关文档，掌握协同过滤的电影系统的相关特点，分析功能与需求，确定本系统的设计方案。 （2）选择服务器平台与开发工具， 开发工具使用IntelliJ IDEA，数据库选用MySQL。 （3）确定协同过滤的电影系统的数据库和数据结构设计，以及确定协同过滤的电影系统的整体功能与结构。然后再划分模块，并逐步实现这些功能。 （4）针对此系统进行编码、调试、测试、完善。

课题的具体内容（包括工作要求、技术要求、成果要求等） 开发工具使用IntelliJIDEA，数据库选用MySQL。该系统使用Java程序语言编写，以开放源码的SSM结构来完成整个体系结构，以MySQL数据库形式保存数据，Tomcat则充当服务器，负责接收来自前端的用户的要求。协同过滤的电影系统采用MVC模型，既能实现动态优化，又能降低数据库SQL语句的重复编写，又能调用常用的数据库操作方式。MVC能够减少协同过滤的电影系统中的代码数量，从而达到最优的目的。 用户：查看影院信息、查看电影资讯、个人中心、订单管理、收藏管理、注册登录、评论、可视化选座。 管理员：个人中心、用户管理、影院信息管理、影片类型管理、电影信息管理、系统管理、订单管理。

主要参考文献（由指导教师选定） 张坤. 基于Spark机器学习的电影推荐系统的设计与实现[D].南京邮电大学,2022. 许张贤. 基于深度学习与对象感知的个性化电影推荐系统[D].南京邮电大学,2022. 张鹏飞. 基于数据挖掘的个性化电影推荐系统设计与实现[D].杭州电子科技大学,2022. 梁肇敏,梁婷婷.基于深度学习的电影推荐系统设计与实现[J].智能计算机与应用,2022,12(10):157-162. 宋东翔,马伽洛伦,袁铭举,王怡然.基于协同过滤和NodeJS的电影推荐系统研究[J].信息与电脑(理论版),2022,34(12):143-145. 朱本瑞. 基于Spark的离线与实时的电影推荐系统设计与实现[D].南京信息工程大学,2022. 关凯轩. 基于大数据技术和深度学习的混合模式电影推荐系统设计[D].东华大学,2022. 邓介一,陈兰兰,梁会军.基于Scala的电影推荐系统的设计与实现[J].工业控制计算机,2022,35(05):104-106. 魏子钦,单豫洲,梁艳美.基于混合推荐算法的电影推荐研究[J].信息与电脑(理论版),2022,34(09):166-168. 侯映鑫. 基于图神经网络的电影推荐系统设计与实现[D].西北民族大学,2022.DOI:10.27408/d.cnki.gxmzc.2022.000061. Airen Sonu,Agrawal Jitendra. Movie Recommender System Using Parameter Tuning of User and Movie Neighbourhood via Co-Clustering[J]. Procedia Computer Science,2023,218. Behera Gopal,Nain Neeta. Collaborative Filtering with Temporal Features for Movie Recommendation System[J]. Procedia Computer Science,2023,218. S. Sridhar,D. Dhanasekaran,G. Charlyn Pushpa Latha. Content-Based Movie Recommendation System Using MBO with DBN[J]. Intelligent Automation & Soft Computing,2023,35(3). Abba Almu,Aliyu Ahmad,Abubakar Roko,Mansur Aliyu. Incorporating Preference Changes through Users' Input in Collaborative Filtering Movie Recommender System[J]. International Journal of Information Technology and Computer Science(IJITCS),2022,14(4). Abba Almu,Aliyu Ahmad,Abubakar Roko,Mansur Aliyu. Incorporating Preference Changes through Users' Input in Collaborative Filtering Movie Recommender System[J]. International Journal of Information Technology and Computer Science(IJITCS),2022,14(4).

同组设计者 蒋启稼

注：1、任务书由指导教师填写；2、任务书在第七学期第18周前下达给学生。

学生完成毕业设计（论文）工作进度计划表

序号	毕业设计（论文）工作任务	工 作 进 度 日 程 安 排
		第七学期 准备阶段	第八学期
			1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16
1	调查研究、查询相关资料，了解TSP问题、遗传算法	—
2	撰写开题报告、文献综述、外文 翻译		—	—	—
3	分析所给数据、网络拓扑图					—	—
4	通过遗传算法对问题进行建模分析，使用MATLAB语言进行开发							—	—	—
5	通过优化遗传算法得到问题的更优解										—	—	—
6	撰写毕业设计论文													—	—	—
7	毕业设计答辩																—

 

毕业设计（论文）阶段工作情况检查表

时间	第 一 阶 段 （开题报告、外文翻译、文献综述）		第 二 阶 段 （中期进展情况）		第 三 阶 段 （论文终稿）
内容	组织纪律	完 成 任 务 情 况	组织纪律	完 成 任 务 情 况	组织纪律	完 成 任 务 情 况
检 查 情 况
教师签