卒業制作（論文）課題帳
| 学生の名前 |
プロフェッショナルクラス |
||
| メンター |
雇用者 |
||
| デザイン（論文）トピックス |
ユーザーの好みに基づいた映画推薦システムの設計と実装 |
||
| 1. 設計（論文）の主な内容 映画推薦システムを設計、開発します。主な機能は次のとおりです。 1. ユーザーログインおよび登録モジュール: 主にユーザーがシステムに入るアカウントを作成する役割を果たします。 2. 映画検索モジュール: 映画名に従って映画を検索します。 3. 映画分類モジュール: ユーザーが選択したタイプに応じて、このタイプの映画を推奨します。 4. 映画詳細モジュール: 映画の監督、主演、評価、プロフィール、その他の情報を表示します。 5. パーソナライズされた推奨モジュール: ユーザーが興味を持ちそうな映画を好みに応じて推奨します。 6. 管理者モジュール: ユーザーとムービーに関する情報を管理します。 2. 完了する必要がある主なタスクとそのタイムスケジュール 完了する必要がある主なタスク: 1. 10 件以上の参考文献 (少なくとも 2 件の海外文献を含む) の情報を検索します。 2. プログラムのデモンストレーションを実施し、オープニングレポートを作成します。 3.全体設計と詳細設計を実施し、ソフトウェア設計を完了します。 4. システムの共同デバッグを完了し、システム設計要件に従ってプログラムを独立して実行およびデモンストレーションできるようになります。 5. 論文を執筆し、弁護の準備をする 論文の言語は流暢であることが求められ、論文全体は漢字 10,000 文字以上である必要があります。 スケジュール: 1. 卒業制作課題集の発行は2023年1月15日までとなります。
4. 第 3 週から第 10 週（2023 年 2 月 20 日から 3 月 31 日、2022-2023-2 学期指導週間の第 1 週から第 6 週）は、システム設計と論文執筆の時間です。 (その内: 2022-2023-2 学期の指導週間の第 6 週は、講師がレポートをレビューし、学生がレポートを修正する日です。) 5. 第 11 週～12 週（2022-2023-2 学期の指導週間の第 7 週～第 8 週）は、弁護グループ内での論文の交換と講評を行い、学生は弁護準備のための PPT を作成します。 6、第13周（2022-2023-2学期教学周第9周），学生准备毕业答辩。（一般第9周前半周为公开答辩，后半周为普通答辩） 三、必读参考资料 [1] Stephen Prata . C++ Primer Plus(第6版) [M]. 北京：人民邮电出版社，2020. [2] 张海藩.软件工程导论[M]. 北京：清华大学出版社，2018. [3] 张光卫.数据库系统[M]. 北京：清华大学出版社，2019. 指导教师签名： 系主任签名： 盖章 |
|||
毕业设计(论文)开题报告
| 题目 |
基于用户偏好的电影推荐系统设计与实现 |
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 |
|
注：1. 开题报告应根据教师下发的毕业设计（论文）任务书，在教师的指导下由学生独立撰写，在学院规定时间内完成；
2．设计的目的及意义至少800字，基本内容和技术方案至少400字；
3．指导教师意见应从选题的理论或实际价值出发，阐述学生利用的知识、原理、建立的模型正确与否、学生的论证充分否、学生能否完成课题，达到预期的目标。