摘要：推荐系统是一种被广泛使用的系统与我们的生活密切相关,在电子商务，社交平台有着广泛的应用。推荐系统可以说是电商平台的核心，推荐算法更是五花八门，协同过滤是目前最经典也是最成功的推荐算法之一。协同过滤算法主要有两类，一类基于用户，而另外一类基于项目。协同过滤的概念是在1992年由Goldberg等人提出，协同过滤通过对用户行为的研究与学习，能够从海量的数据中抓取出用户可能感兴趣的内容，可以说具有非常大的应用前景。然而使用协同过滤算法的推荐系统，也存在着冷启动，泛化能力弱的问题，如果我们将传统的协同过滤算法进行改进，在算法中加入探索的部分，而不仅仅是用相似度来衡量，能取得更好地结果。

本文综合运用Java,Spring等技术，结合自己提出的探索优化算法，开发了一个简易的商品广告推荐系统。

关键词：协同过滤  商品推荐  探索优化

目录

摘要

Abstract

第一章 绪论-1

1.1研究背景和意义-1

1.2个性化推荐系统的主要研究内容和研究现状-1

1.3发展趋势-2

1.4 本文组织结构-2

第二章 工具技术与框架介绍-4

2.1 开发工具与技术-4

2.2 框架介绍-4

第三章 推荐算法-6

3.1 推荐算法-6

3.2探索优化推荐算法描述-6

3.3算法实现-7

第四章 系统分析-12

4.1可行性分析-12

4.2需求分析-12

第五章 系统总体设计-29

5.1概要设计-29

5.2系统模块设计-30

5.3数据库设计-31

5.4系统功能类-34

第六章 系统实现-35

6.1环境搭建-35

6.2功能具体实现-39

第七章 系统测试-47

7.1系统测试-47

第八章 工程伦理-49

第九章 总结与展望-50

参 考 文 献-51

致谢-53