1. 研究目的与意义

随着文明的进步,人们可以通过各种渠道接触的书籍数量达数千万种,种类十分繁多，因此如何从成千上万种的图书中选择一本适合自己的,成为大部分人必须要考虑的问题。

人们为了获得自己所必须的信息,必须进行浏览和阅读，筛选出自己所需要的。

因此,目前人们急需一个这样平台,它不需要进行繁琐的查询，就能够通过数据分析挖掘出人们的喜好和需求,并将其推送到用户首页,个性化图书推荐系统就这样应运而生。

2. 课题关键问题和重难点

基于用户的协同过滤算法以其独特的优势在推荐系统中得到大量的应用,但仍存在一些关键问题亟待解决,如数据稀疏,冷启动,可扩展性,推荐准确性和多样性,推荐效率的问题等等。

其中稀疏性问题是需要使用用户一项评价矩阵对用户信息进行表示，同时由于数据非常稀疏，在形成目标用户的最近邻居用户集时，往往会造成信息的丢失，从而导致推荐效果的降低。

冷开始问题又称第一评价问题，是指稀疏问题的极端情况，新项目初期，用户评价较少，单纯的协同过滤无法对其进行预测评分和推荐，推荐的准确性比较差，对于新用户的推荐效果也很差。

3. 国内外研究现状（文献综述）

随着互联网的飞速发展，数字化图书馆的信息量急剧增加，读者在浏览太多与自身需要无关的图书信息后，会出现短暂的选择困难，人们在享受信息化社会带来的便利同时，也增加了自己获取信息的难度，这就是信息超载现象。

搜索引擎是一种解决方案，随着信息量的不断增加，仅仅通过搜索引擎已经满足不了人们的需求，图书推荐系统就应运而生，不同于搜索引擎一对多的方式，推荐系统可以进行个性化推荐，根据每个用户的日常习惯提供一对一服务，同时还可以及时高效的跟踪用户的需求变化，做出的推荐结果也随着需求的变化而变化。

这对大学图书馆动辄数十万甚至上百万的图书资源来说是一个重大福音。

4. 研究方案

1.通过大量搜集整理有关资料，研究国内外的学术报告，了解协同过滤技术发展状况，了解当前技术存在的缺陷与不足，研究出优化的解决方案；2.设计的算法可以通过综合考虑用户对于图书的评分以及用户之间的相似度，使得到的推荐更加准确。

还可以通过用户对于所借阅图书的借阅时长，得到相似偏好的一类用户。

3.设计的系统界面要简洁美观，使使用者能够很快地上手使用，人性化的操作提示，使用户在误操作后，给用户提供恰当信息减少用户犯错的几率。

5. 工作计划

第1周：查阅大量与课题相关的资料，大致列出开题报告大纲。

第2周：按要求完成开题报告。

第3周：按时完成外文翻译。