1. 毕业设计（论文）主要目标：
（1）对原始数据做有效的预处理，包括缺失数据的处理。
（2）分别基于用户偏好和物品相似度计算预测评分并推荐。
（3）利用关联规则挖掘算法分析用户的上网行为，挖掘各变量之间的关联规则。
2. 毕业设计（论文）主要内容：
利用协同过滤算法分析电信用户的上网日志行为，分别基于用户的偏好和游戏的关联度测度用户对游戏的关注度，通过评分值的比较为用户提供推荐菜单。此外，应用Apriori算法挖掘游戏的频繁项集和强关联规则。考虑到Apriori算法需要多次扫描数据集并会产生大量候选频繁项集的缺点，引入FP-growth算法，利用树形结构直接生成频繁项集。
3. 主要参考文献
[1] S.J.Gong. A collaborative Filtering Recommendation Algorithm Based on User Clustering and Item Clustering[J].Journal of Softwar,2010,5(7):745-752.
[2] J.Bobadilla,F.Ortega,A.Hernando,et al. A collaborative filtering approach to mitigate the new user cold start problem[J].Journal of Electronic Commerce Research,2003,4(4):156-167.
[3] Lazcorreta E,Botella F,Ndez-caballero A. Towards personalized recommendation by two-step modified apriori data mining algorithm[J].Expert Systems with Applications,2008,35:1422-1429.
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。
