1. 1. 毕业设计（论文）的内容、要求、设计方案、规划等
对于当今海量的网络资源，推荐系统能够及时跟踪用户的需求变化来自动调整信息服务的方式和内容，是一种极具潜力的解决信息超载的个性化服务技术。协同过滤技术是推荐系统中最广泛使用和最成功的技术之一，在理论研究和实践中都取得了快速的发展。但是随着用户数量和系统规模的不断扩大，协同过滤推荐技术将面临严重的数据稀疏性、超高维、冷启动和实时推荐等方而的挑战。
本课题的主要研究包括：
2. 参考文献（不低于12篇）
[1] Breese J,Hecherman D, Kadie C. Empirical analysis of predictive algorithms forcollaborative filtering[C]. Proc of the 14th Conference on Uncertainty inArtificial Intelligence. San Francisco:Morgan Kaufmann Publishers Inc, 1998: 43-52
[2] Linden G,Smith B, York J. Amazon.com recommendations: Item to item collaborativefiltering[J]. IEEE Internet Computing, 2003, 7(1) : 76-80
[3] Das A,Datar M, Garg A. Google news personalization: Scalable online collaborativefiltering[C]. Proc of the 16th international conference on World Wide Web. New York: ACM, 2007: 271-280
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
