本文是2010年发表在RecSys上的文章。本文主要介绍的是YouTube的个性化推荐的相关内容。 用户使用YouTube一般有三个原因： --看他们在其他地方找到的单一视频（直接导航）； --围绕某个主题（搜索和目标导向浏览）查看特定视频； --受他们感兴趣内容的吸引。 推荐系统主要是针对第三点，目的是帮助用户发现他们感兴趣的高质量视频，并且推荐结果应该随时间和用户最近的行为更新。 在YouTube的推荐应用中，面临以下挑战： --用户上传的视频的元信息非常少； --视频时长比较短（一般小于10分钟）； --用户行为短暂、多变而且噪声很多； --视频生命周期短。 这是YouTube的推荐和普通视频网站推荐不同的地方，这些挑战也是现在很多短视频公司关注的问题。 推荐系统算法应该保持时效性和新鲜性，另外，用户必须了解为什么向他们推荐视频，这样可以帮助用户根据自己的喜好改善推荐引擎。推荐的视频是通过用户的行为来生成的，用户的行为包括观看、收藏、喜欢等来作为种子视频，然后使用各种相关性和多样性的 signals 对视频集进行排序。推荐系统的工程设计方面，保持各个模块的独立性，并且还需要对故障具有恢复能力，并在出现部分故障时适度降级。 这里有2种数据可以考虑： 1）是内容数据视频流、视频元信息（标题，标签等）； 2）用户行为数据，包括显性和隐性数据。前者是指用户评分、明确表示喜欢、不喜欢等行为，后者是浏览、观看等行为。 原始数据中还含有非常多的噪声，很多不可控因素会影响原始数据的质量。 作者将相关视频定义为用户在观看给定的种子视频 v 之后可能会观看的视频，使用关联规则挖掘技术来确定视频间的相关性。视频i和j的相关性定义为：将用户观看过的视频、喜欢过的视频、收藏过的视频等等作为种子集合，对它们进行N级的级联扩展，也就是YouTube选择召回的不是1步相关视频，而是n-步相关视频，即种子视频迭代n次后得到的相关视频集合，产生广阔和多样的候选结果。 在生成一组候选视频后，需要对这些相关视频进行排序。 用于排序的数据主要包括： --视频质量：包括观看次数、视频评分、评论、收视和上传时间等； --用户特征：考虑用户观看历史记录中种子视频的属性，例如观看次数和观看时间等； --多样性：要在被推荐的视频集合的类别中做一个平衡，以保持结果的多样性。 这些数据最终被线性组合起来，得到ranking的评分。 本文虽然是2010年发表的，近年来有很多内容升级复杂化了，但是作为初学者，本文的知识点和整体思路是非常值得学习的。当时的YouTube推荐系统的核心算法就是基于Item的协同过滤算法，也就是对于一个用户当前场景下和历史兴趣中喜欢的视频，找出它们相关的视频，并从这些视频中过滤掉已经看过的，剩下就是可以用户极有可能喜欢看的视频。 本文是Google的YouTube团队在推荐系统上DNN方面的尝试，发表在16年9月的RecSys会议。本文第1节介绍了YouTube推荐系统主要面临的挑战。第2节介绍了一个简要的系统概述。第3节更详细地描述了候选集生成模型，包括如何对其进行训练并用于提供推荐服务；实验结果显示模型添加特征和DNN深度后可以显著提升预测效果。第4节详细说明了排序模型，包括使用加权逻辑回归技术以训练预测预期观察时间的模型；实验结果表明，增加隐层网络宽度和深度都能提升模型效果。 最后，第5节做了总结。 -规模大：用户和视频的数量都很大，传统适合小规模的算法无法满足； -新鲜度：要求对新视频作出及时和合适的反馈； -噪音：YouTube上的历史用户行为由于稀疏性和各种不可观察的外部因素而不可预测。 我们很少能获得基本真实的用户满意度，更多的是隐式反馈噪声信号。 推荐系统的整体结构如图所示： 该系统由两个神经网络组成：一个用于候选集的生成，一个用于排序。候选集生成网络将用户的Youtube活动历史记录作为输入，然后从海量视频集中筛选出一小部分（数百个）以高精度与用户相关的视频。排序网络负责基于更加精细的特征对候选集进行排序，最后将最高得分的视频呈现给用户（按它们的得分排名）。 该模型把这个推荐问题转化成极端多分类问题：对于用户U和上下文C，把语料库V中的数百万个视频（分类）i，在时间t处做准确的分类，如下所示： 其中u为用户U的embedding表示，vi 代表各个候选视频的embedding。embedding是指稀疏实体（单个视频，用户等）到实数密集向量的映射；DNN的目标就是在用户信息和上下文信息为输入条件下学习用户的embedding向量u，这对于用softmax分类器来区分视频是有用的。 整个模型架构是包含三层全连接层，使用relu激活函数。把用户观看历史数据、搜索数据做一个embedding，加上age、gender等特征作为DNN的输入；输出分线上和离线训练两个部分。训练阶段使用softmax输出概率，在服务期间则直接使用接近最近邻搜索来进行生产候选的N个视频。 1）把用户观看过的视频id列表做embedding，并对所有历史观看视频ID的embedding做平均，得到观看embedding向量。 2）同时把用户搜索过的视频id列表也做如上的embedding，得到搜索embedding向量。 3）用户的人口统计学属性做embedding得到特征向量。 4）简单的二值和连续特征，例如用户的性别，登录状态和年龄作为归一化为[0,1]的实数值直接输入到网络中。 5）example age：机器学习系统总是利用历史的例子去预测未来，所以对过去总会有一个隐含的偏差。为了矫正偏差，YouTube把训练样本的年龄当作一个特征。 1.训练样本要用youtube上的所有视频观看记录，而不只是我们的推荐的视频的观看记录。 2.为每个用户生产固定数量的训练样本。 3.丢弃搜索信息的顺序，用无序的词袋表示搜索查询。 4.如下图，图(a)从历史观看记录中随机拿出来一个作为正样本来预测它，其余的历史观看记录作为上下文；这样其实泄露了未来的信息，并且忽略了任何非对称的消费模式。相反，图(b)是从用户的历史视频观看记录中随机拿出来一个作为正样本，然后只用这个视频之前的历史观看记录作为输入；这样的预测效果好得多。 – 深度为0：这时网络就是一个把连接起来的输入层转换一下，和softmax的256维输出对应起来 – 深度为1：第一层 256个节点，激活函数 是ReLU （rectified linear units 修正线性单元） – 深度为2：第一层512个节点，第二层256个节点，激活函数都是ReLU – 深度为3：第一层1024个节点，第二层512个节点，第三层256个节点，激活函数都是ReLU – 深度为4：第一层2048个节点，第二层1024个节点，第三层512个节点，第四层256个节点，激活函数都是ReLU 实验结果如下图所示： 可以看出，特征选取较多时，并且模型深度在四层时，可以得到较好的结果。 排序阶段最重要的任务就是精准的预估用户对视频的喜好程度。在排序阶段面对的数据集比较小，因此会采用更多的特征来计算。 作者在排序阶段所设计的DNN和上文的DNN的结构是类似的，但在训练阶段对视频的打分函数不再是softmax，而是采用的逻辑回归。如下图所示： 1）特征工程 尽管神经网络能够减轻人工特征工程的负担，但是我们依然需要花费精力将用户及视频数据转化为有效的特征。其主要的挑战在于如何表示用户动作的时间序列以及这些动作如何与正被评分的视频展现相关。但是通过对用户和物品之间的交互行为，我们能提取出一些有用信息，比如： 用户从这个频道里看过多少视频，用户上次观看这个主题的视频是什么时候等。 2）embedding 离散特征 每个维度都有独立的embedding空间，实际并非为所有的id进行embedding，比如视频id，只需要按照点击排序，选择top N视频进行embedding，其余置为0向量；而当多值离散特征映射成embedding之后，像在候选集生成阶段一样，在输入网络之前需要做一下加权平均。另外一个值得注意的是，离散特征对应的ID一样的时候，他们的底层embedding也是共享的，其优势在于提升泛化能力、加速训练、减小内存占用等。 3）连续特征归一化 对连续值类的特征进行归一化，作者设计一种积分函数将特征映射为一个服从[0,1]分布的变量；还可以对某些特征进行取根号、取对数和取平方的相关操作，使得网络有更强的表达能力。 给定正负样本，正样本为有点击视频，负样本为无点击视频；用观看时长对正样本做了加权，负样本都用单位权重（即不加权）；采用的是基于交叉熵损失函数的逻辑回归模型训练的。 上表显示了在保留数据集上用不同的隐层配置得到的结果，这些结果表明增加隐层的宽度提升了效果，增加深度也是一样。 本文内容方面，介绍了YouTube基于深度学习的推荐系统，先用视频和用户的主要信息通过深度候选生成模型从百万级视频中找出数百个相关的视频，再用视频和用户的其他信息通过深度排序模型从数百个视频中找出几十个最有可能受用户欢迎的视频给用户。这样使得推荐系统对用户喜好的刻画能力大大增强，刻画的范围更加广泛。 本文结构方面，从推荐系统的整体结构讲起，划分为候选集生成和排序两个阶段，然后对每个阶段详细地展开讲解。整体过程条理清晰，逻辑严密，值得我们学习。
此前整理过KDD21上工业界文章，本文主要整理和分类了Recsys 2021的Research Papers和Reproducibility papers。按照推荐系统的 研究方向 和使用的 推荐技术 来分类，方便大家 快速检索自己感兴趣的文章 。个人认为Recsys这个会议重点不在于”技术味多浓”或者”技术多先进”，而在于经常会涌现很多 新的观点 以及 有意思的研究点 ，涵盖推荐系统的各个方面，例如，Recsys 2021涵盖的一些很有意思的研究点包括：
还有些研究点也是值得一读的，比如推荐系统中的 冷启动 ， 偏差与纠偏 ， 序列推荐 ， 可解释性，隐私保护 等，这些研究很有意思和启发性 ，有助于开拓大家的 研究思路**。
下面主要根据自己读题目或者摘要时的一些判断做的归类，按照 推荐系统研究方向分类 、 推荐技术分类 以及 专门实验性质的可复现型文章分类 ，可能存在漏归和错归的情况，请大家多多指正。
信息茧房/回音室(echo chamber)/过滤气泡(filter bubble) ，这3个概念类似，在国内外有不同的说法。大致是指使用社交媒体以及带有 算法推荐功能 的资讯类APP，可能会导致我们 只看得到自己感兴趣的、认同的内容 ，进而让大家都活在自己的 小世界里 ，彼此之间 难以认同和沟通 。关于这部分的概念可参见知乎文章： 。有四篇文章探讨了这样的问题。
此次大会在探索与利用上也有很多探讨，例如多臂老虎机、谷歌的新工作，即：用户侧的探索等。
涉及排序学习的纠偏、用户的偏差探索等。
Debiased Explainable Pairwise Ranking from Implicit Feedback
Khalil Damak, Sami Khenissi, and Olfa Nasraoui
Mitigating Confounding Bias in Recommendation via Information Bottleneck
Dugang Liu, Pengxiang Cheng, Hong Zhu, Zhenhua Dong, Xiuqiang He, Weike Pan, and Zhong Ming
User Bias in Beyond-Accuracy Measurement of Recommendation Algorithms
Ningxia Wang, and Li Chen
利用图学习、表征学习等做冷启动。
Cold Start Similar Artists Ranking with Gravity-Inspired Graph Autoencoders
Guillaume Salha-Galvan, Romain Hennequin, Benjamin Chapus, Viet-Anh Tran, and Michalis Vazirgiannis
Shared Neural Item Representations for Completely Cold Start Problem
Ramin Raziperchikolaei, Guannan Liang, and Young-joo Chung
涉及离线或在线评估方法，准确性和多样性等统一指标的设计等。
Evaluating Off-Policy Evaluation: Sensitivity and Robustness
Yuta Saito, Takuma Udagawa, Haruka Kiyohara, Kazuki Mogi, Yusuke Narita, and Kei Tateno
Fast Multi-Step Critiquing for VAE-based Recommender Systems
Diego Antognini and Boi Faltings
Online Evaluation Methods for the Causal Effect of Recommendations
Masahiro Sato
Towards Unified Metrics for Accuracy and Diversity for Recommender Systems
Javier Parapar and Filip Radlinski
涉及session维度的短序列推荐；使用NLP中常用的Transformers做序列推荐的鸿沟探讨和解决，这个工作本人还挺感兴趣的，后续会精读下！
结合联邦学习做隐私保护等。
Black-Box Attacks on Sequential Recommenders via Data-Free Model Extraction
Zhenrui Yue, Zhankui He, Huimin Zeng, and Julian McAuley
Large-scale Interactive Conversational Recommendation System
Ali Montazeralghaem, James Allan, and Philip S. Thomas
EX3: Explainable Attribute-aware Item-set Recommendations
Yikun Xian, Tong Zhao, Jin Li, Jim Chan, Andrey Kan, Jun Ma, Xin Luna Dong, Christos Faloutsos, George Karypis, S. Muthukrishnan, and Yongfeng Zhang
Towards Source-Aligned Variational Models for Cross-Domain Recommendation
Aghiles Salah, Thanh Binh Tran, and Hady Lauw
利用视觉信息做推荐。
Ambareesh Revanur, Vijay Kumar, and Deepthi Sharma
Huiyuan Chen, Yusan Lin, Fei Wang, and Hao Yang
探讨了美食场景下，多用户意图的推荐系统的交互设计。
“Serving Each User”: Supporting Different Eating Goals Through a Multi-List Recommender Interface
Alain Starke, Edis Asotic, and Christoph Trattner
涉及传统协同过滤、度量学习的迭代；新兴的图学习技术、联邦学习技术、强化学习技术等的探索。
Matrix Factorization for Collaborative Filtering Is Just Solving an Adjoint Latent Dirichlet Allocation Model After All
Florian Wilhelm
Negative Interactions for Improved Collaborative-Filtering: Don’t go Deeper, go Higher Harald Steck and Dawen Liang
ProtoCF: Prototypical Collaborative Filtering for Few-shot Item Recommendation
Aravind Sankar, Junting Wang, Adit Krishnan, and Hari Sundaram
知识图谱的应用以及图嵌入技术和上下文感知的表征技术的融合，这两个工作个人都挺感兴趣。
Antonio Ferrara, Vito Walter Anelli, Tommaso Di Noia, and Alberto Carlo Maria Mancino
Marco Polignano, Cataldo Musto, Marco de Gemmis, Pasquale Lops, and Giovanni Semeraro
涉及训练、优化、检索、实时流等。
Jeremie Rappaz, Julian McAuley, and Karl Aberer
Reproducibility papers可复现实验性质的文章，共3篇。分别探索了：序列推荐中的 采样评估策略 ；对话推荐系统中 生成式和检索式的方法对比 ； 神经网络 推荐系统和 矩阵分解 推荐系统的对比。
通过论文的整理和分类，笔者也发现了一些自己感兴趣的研究点，比如：推荐系统的回音室效应探讨文章；Transformers在序列推荐和NLP序列表征中的鸿沟和解决文章：Transformers4Rec；图嵌入表征和上下文感知表征的融合文章；NCF和MF的实验对比文章；
按照毕业论文开题报告的模板来写。一般是要写选题意义。研究现状，你要完成的内容，研究方法，一个计划表(用甘特图来表示)，最后是参考文献(不要求太多，一般是10个左右就可以了)。最后全部大概是一张4K的纸，所以基本上都不需要写的太多，如果要实例的话，就发给我站内信附上你的邮箱
1、论文要先有开题报告，任务书和大纲，而且步骤不能乱，大纲很重要，你列出大纲后，你就知道你正文大概要写什么，每章要写哪些内容，大小标题怎么写。 2、写类型片的论文你就要先了解各种类型片的风格，然后看这部片子是如何贯彻或者颠覆这种类型的，分析电影关键是要看你自己对这部影片的感受，但不要写成观后感性质的。 3、而是要把握电影的叙事、剪辑、色彩等等对你造成的观感，也就是说不要分析故事内容，而是分析讲故事的方法。
开题报告(文体形式)\x0d\x0a课题名称：\x0d\x0a姓 名： 年 级： 班 级：\x0d\x0a成果形式： 完成时间： 指导老师：\x0d\x0a一、研究的目的及其意义\x0d\x0a二、研究的主要内容\x0d\x0a1、 2、 3、 4、 5、\x0d\x0a三、研究的主要方法和手段\x0d\x0a1、2、3、4、\x0d\x0a四、实施的步骤\x0d\x0a1、2、3、4、5、6、7、\x0d\x0a表1—1 开题报告 (表格形式)\x0d\x0a主题： 课题题目：\x0d\x0a导师： 课题组成员：\x0d\x0a组长： 班组：\x0d\x0a简要背景说明(课题是如何提出来的)：\x0d\x0a课题的目的与意义：\x0d\x0a活动计划：\x0d\x0a1)任务分工：\x0d\x0a实地调查：\x0d\x0a上网：\x0d\x0a查书面资料：\x0d\x0a总结论文：\x0d\x0a发倡议：\x0d\x0a2)阶段步骤： 分阶段实施\x0d\x0a阶段 时间（周）主要任务 阶段目标\x0d\x0a一 周 二 周 三 周\x0d\x0a3)计划访问的专家：校内 老师等\x0d\x0a开题报告的格式(通用)\x0d\x0a综述\x0d\x0a由于开题报告是用文字体现的论文总构想，因而篇幅不必过大，但要把计划研究的课题、如何研究、理论适用等主要问题说清楚，应包含两个部分：总述、提纲。\x0d\x0a总述\x0d\x0a开题报告的总述部分应首先提出选题，并简明扼要地说明该选题的目的、目前相关课题研究情况、理论适用、研究方法、必要的数据等等。\x0d\x0a提纲\x0d\x0a开题报告包含的论文提纲可以是粗线条的，是一个研究构想的基本框架。可采用整句式或整段式提纲形式。在开题阶段，提纲的目的是让人清楚论文的基本框架，没有必要像论文目录那样详细。\x0d\x0a参考文献\x0d\x0a开题报告中应包括相关参考文献的目录\x0d\x0a具体如下：\x0d\x0a福州大学本科生毕业设计（论文）开题报告\x0d\x0a姓 名徐晓班级08级工商管理（1）班学号240893151\x0d\x0a题 目品牌核心力营销策略探究——以青岛海尔公司为例\x0d\x0a一、研究背景、概况及意义\x0d\x0a1.背景及概况：\x0d\x0a市场营销是指在以顾客需求为中心的思想指导下，企业所进行的有关产品生产、流通和售后服务等与市场有关的一系列经营活动。市场营销作为一种计划及执行活动，其过程包括对一个产品，一项服务、或一种思想的开发制作、定价、促销和流通等活动，其目的是经由交换及交易的过程达到满足组织或个人的需求目标。.市场营销是一种企业活动，是企业有目的、有意识的行为。满足和引导消费者的需求是市场营销活动的出发点和中心。 企业必须以消费者为中心，面对不断变化的环境，作出正确的反应，以适应消费者不断变化的需求。满足消费者的需求不仅包括现在的需求，还包括未来潜在的需求。现在的需求表现为对已有产品的购买倾向，潜在需求则表现为对尚未问世产品的某种功能的愿望。企业应通过开发产品并运用各种营销手段，刺激和引导消费者产生新的需求。\x0d\x0a\x0d\x0a随着政府监管趋严，市场逐步规范，竞争压力与日俱增，依靠不规范营销保持生存，将会越来越难。海尔家电是世界白色家电第一品牌，中国最具价值品牌。在首席执行官张瑞敏的指导下，先后实施名牌战略，多元化战略，国际化战略和全球品牌战略，现在，海尔集团形成了相对稳定的市场格局，也根据自己的特点建立了适合企业发展的销售渠道。但随着营销环境的变化，尤其是连锁商业的迅速扩张和电子商务是迅速发展，传统的营销渠道模式已经不能适应现代企业的发展需要，因此营销渠道创新势在必行。而与其他家电企业的博弈中，海尔集团只有创新营销观念，进行渠道创新，才能在竞争中争取主动，实现自身的进一步的发展。\x0d\x0a2 选题意义\x0d\x0a（1）理论意义：在目前现有的文献资料中，大部分营销模式是比较传统的营销方式，适应不了日新月异的时代和社会，在现阶段，营销理念和标准有4c营销理论，营销的策略和手段有4p即研究适合网络时代下的广告传播模式具有很大的理论意义。\x0d\x0a（2）现实意义：酒香不怕巷子深的时代早已过去，在这个竞争白热化的市场条件下，营销方式的是企业品牌传播的重要手段。但如果继续借用传统的营销模式来会导致产品销售的不善，严重的会使企业的资金链陷入恶性循环，因此，必须研究适合新时代的合理营销的模式，提升品牌在受众心目中的知名度和品牌形象，并且能综合开发利用广告信息资源，为企业产品价值的实现具有重要意义。\x0d\x0a二、研究主要内容\x0d\x0a1.本研究的基本思路是：（1） 通过文献阅读与资料查找，明确 “营销”概念，知道营销的相关理论，比如“传播的策略”，“营销的分类”及前人关于“营销模式”做了哪些研究；（2） 明确“核心力”概念，知道核心力营销的相关理论。（3）结合青岛海尔公司个案，提出核心力营销的运用。\x0d\x0a2.具体结构如下\x0d\x0a一、绪论\x0d\x0a二、相关理论概述：\x0d\x0a（一）营销学理论概述\x0d\x0a1 营销的概念和特征\x0d\x0a2 营销要素\x0d\x0a3 营销的分类\x0d\x0a4 营销模式发展概述\x0d\x0a（二）核心力营销理论的概述\x0d\x0a1 核心力营销的定义\x0d\x0a2 核心力营销的功能\x0d\x0a3 核心力营销成要素分析\x0d\x0a4 核心力营销基本流程\x0d\x0a5核心力营销理论发展概述\x0d\x0a\x0d\x0a三、青岛海尔公司现行营销策略及核心力营销的可行性\x0d\x0a（一）上海回力鞋业有限公司介绍\x0d\x0a（二）上海回力鞋业营销策略分析\x0d\x0a（三）上海回力鞋业核心力营销的可行性分析\x0d\x0a四、核心力营销在青岛海尔公司的模拟运用\x0d\x0a（一）青岛海尔公司核心力营销运作图\x0d\x0a（二）青岛海尔公司整合核心力营销实施\x0d\x0a\x0d\x0a三、研究步骤、方法及措施\x0d\x0a本文将采用文献研究、理论逻辑分析、实证分析三种方法。\x0d\x0a1. 文献研究：先对己有的营销学理论相关文献进行系统的学习和阅读。归纳整理营销学的相关理论，重点整理前人关于“营销模式”与“核心力营销模式”的研究。\x0d\x0a2. 理论逻辑分析：通过对传统的营销模式的详细解读，提出每一个模式的进步与不足之处。循环广结合时代发展的新特点，提出了适合新时代模式。\x0d\x0a3 实证分析：\x0d\x0a（1） 分析青岛海尔公司背景及营销策略\x0d\x0a（2） 分析青岛海尔公司目前营销模式的特点及可以借鉴之处。\x0d\x0a（3）提出青岛海尔公司对该模式的假想运用。\x0d\x0a\x0d\x0a四、研究进度计划\x0d\x0a1．2011年10月16日，师生面谈，探索选题方向及思路；\x0d\x0a2．2011年10月16日至2011年11月10日，收集资料，阅读文献,在不断修正中形成较为具体的研究方法，形成开题报告初稿；\x0d\x0a3．2011年11月10日至2011年11月20日，在导师的指导下，进行材料收集和整理，修改开题报告初稿，最终形成开题报告；\x0d\x0a4．2011年11月20日至2012年5月13日，收集资料形成写作思路，撰写初稿；\x0d\x0a5. 2012年5月14日至5月26日，初稿修改并撰写论文第二稿\x0d\x0a6. 2012年5月27日至6月2日，第二稿修改并撰写第三稿。\x0d\x0a7. 2012年6月3日，最后定稿，完成论文。\x0d\x0a五、参考文献\x0d\x0a1、托尼,普罗克特(英).营销调研精要.机械工业出版社.2004,(8)\x0d\x0a2、西顿,班尼特(美).旅游产品营销.高等教育出版社.2004,(10)\x0d\x0a3、John Quelch(美).营销管理.中国人民大学出版社.2006,(2)\x0d\x0a4、卢子,佩而顿.营销渠道_一种关系管理方法.机械工业出版社.2004,(7)\x0d\x0a5、詹姆斯.伯克,巴里.雷斯尼克.旅游商品的营销与推销.电子工业出版社.2004,(1)\x0d\x0a6、郭英之,张丽.旅游市场营销.湖南大学出版社.2005,(8)\x0d\x0a7、韦明体,杨晨晖.旅行社市场营销.旅游教育出版社.2004,(5)\x0d\x0a8、陈锋仪,王莉霞,库瑞.旅行社经营与管理案例分析.南开大学出版社.2004,(7)\x0d\x0a9、历新建,张辉.旅游经济学的理论与发展.东北财经大学出版社.2002,(12)\x0d\x0a10、李国振,胡巍.旅游营销管理.山东人民出版社.2003,(5)\x0d\x0a\x0d\x0a学生签名：徐晓 2011年10月20日\x0d\x0a指导教师意见（对本课题的深度、广度及工作量的意见及开题是否通过）：\x0d\x0a\x0d\x0a通过 □ 完善后通过 □ 未通过 □\x0d\x0a\x0d\x0a指导教师签名： 年月日\x0d\x0a注：开题报告用A4纸打印装订在毕业设计（论文）任务书后，学生可根据开题报告的长度加页。\x0d\x0a开题是否通过请指导教师在□内打“√”。
国内电影推荐系统有哪些本文设计了一个个性化电影推荐系统。众所周知，现在电影资源是网络资源的重要组成部分，随着网络上电影资源的数量越来越庞大，设计电影个性化推荐系统迫在眉睫。所以本文旨在为每一个用户推荐与其兴趣爱好契合度较高的电影。论文首先阐述推荐系统的研究现状以及意义，随后介绍了相关的推荐算法，重点介绍协同过滤算法，并对系统实现所需技术进行了研究，接着介绍了整个推荐系统的实现，最后对整个项目进行了回顾与总结。本系统包含电影前端展示界面、电影评分板块、推荐算法的实现以及后端数据库的设计。其中实现推荐算法是整个电影推荐系统的核心。系统采用由grouplens项目组从美国著名电影网站movielens整理的ml-latest-small数据集，该数据集包含了671个用户对9000多部电影的10万条评分数据。首先将该数据集包含的全部文件经过筛选重组之后存储到建好的数据库中，并将数据集按一定比例划分为训练集和测试集，对训练集进行算法分析生成Top-N个性化电影推荐列表，然后在测试集上对算法进行评测，至少包括准确率和召回率两种评测指标。协同过滤算法是推荐领域最出名也是应用最广泛的推荐算法。所以系统拟采用两种协同过滤算法给出两种不同的推荐结果，一种是基于用户的协同过滤算法，另一种是基于物品的协同过滤算法，用户可以根据两种推荐结果更加合理的选择合适的电影。系统采用了改进之后的ItemCF-IUF和UserCF-IIF算法，对计算用户相似度和物品相似度的计算都做出了改进。最后通过计算两种算法的准确率（Precision）、召回率(Recall)和流行度从而对系统进行评测、并比较了两种算法各自的优势和劣势。实验证明，改进后的算法比原始的协同过滤算法推荐效果要好，准确率更高。整个系统涉及到的编程语言包含Python、Html5、JQuery、CSS3以及MySQL数据库编程。用到的框架是Django重量级web框架，通过该框架连接系统的前、后端。用户首先需要填写用户名、密码以及邮箱注册系统，然后才能登陆推荐系统。进入首页后会看到8个电影分类，包括恐怖片、动作片、剧情片等。用户需要给自己看过的电影进行评分，评分起止为0。5-5。0分，共10个分段。每评价一部电影就要点击一下提交按钮，将所评分的电影的imdbId号以及对应的评分存入数据库中。用户点击“推荐结果”按钮，系统就调用推荐算法遍历数据库所存数据，得出推荐列表之后将结果反馈给浏览器，同时调取数据库所存电影海报图片进行展示。用户点击自己登陆的昵称，会跳转页面显示自己已经评价过的电影。本文还分析了系统的需求，并对需求进行相关设计，最后用Django框架实现了该系统，并给出了系统所用的主要数据表展示以及各个功能界面的展示。
我也不是很清楚的啊
随着互联网技术的不断发展，网络工程专业越来越受到国家和社会的关注，我们在写作网络工程 毕业 论文时，题目也是值得我们关注的。下面是我带来的关于网络工程毕业论文题目的内容，欢迎阅读参考!网络工程毕业论文题目(一) 1. 基于 Web的分布式 EMC数据库集成查询系统 2. 基于 Web的网络课程的设计 3. 基于工作流的业务系统开发 4. B1级安全数据库设计的设计与实现 5. 数据库加密及密钥管理 方法 研究 6. 企业应用集成(EAI)中数据集成技术的应用 7. 基于数据仓库连锁店决策支持系统模型的研究 8. VC开发基于 Office 组件应用程序 9. 从 XML到关系数据库映射技术研究 10. ORACLE9i 数据库系统性能优化研究与实践 11. MIS系统统用报表的设计与实现 12. 数字机顶盒系统的软件加密设计 13. 网上体育用品店的ASP实现 14. 基于ASP的毕业设计管理系统 15. 基于ASP的考务管理系统 16. 如何在网上营销好生意 17. 网上商店顾客消费心理的研究 18. 信息产品与网络营销 19. 网络营销中的 广告 策略研究 20. 网络营销中的价格策略研究 网络工程毕业论文题目(二) 1. 网络校园网络工程综合布线方案 2. ARP攻击与防护 措施 及解决方案 3. 路由器及其配置分析 4. 服务器的配置与为维护 5. 入侵检测技术研究 6. 复杂环境下网络嗅探技术的应用及防范措施 7. 网络病毒技术研究 8. 网络蠕虫传播模型的研究 9. 无尺度网络中邮件蠕虫的传播与控制 10. 网络路由协议研究 11. 可动态配置的移动网络协议设计研究 12. Ipv4/Ipv6 双协议栈以太网接入认证和移动技术 13. 虚拟路由器的体系结构及实现 14. 一种基于分布式并行过滤得前置式邮件过滤模型 15. XML应用于信息检索的研究 16. JMX框架下 SNMP适配器的实现与应用 17. MANET 路由协议性能分析 18. Internet用户 Ipv6 协议试验网设计与实现 19. 基于光纤通道的网络文件管理系统设计与实现 20. 网络拓扑结构的测量协议与技术 21. 办公业务对象在关系数据库中的存储 网络工程毕业论文题目(三) 1、基于协同过滤的个性化Web推荐 2、Web导航中用户认知特征及行为研究 3、Web服务器集群系统的自适应负载均衡调度策略研究 4、动态Web技术研究 5、语义Web服务的关键技术研究 6、面向语义Web服务的发现机制研究 7、Web服务组合研究与实现 8、构建REST风格的Web应用程序 9、企业架构下WebService技术的研究 10、Web回归桌面的研究与应用 11、Web服务选择的研究 12、Web服务的授权访问控制机制研究 13、基于WEB标准的网络课程设计与开发 14、基于Web的教师个人知识管理系统的设计与开发 15、基于Android平台的手机Web地图服务设计 16、基于Web的信息管理系统架构的研究 17、基于Web使用挖掘的网站优化策略研究 18、基于Web的自适应测试系统的研究 19、面向语义Web服务的发现机制研究 20、面向语义Web服务的分布式服务发现研究 猜你喜欢： 1. 最新版网络工程专业毕业论文题目 2. 网络工程论文题目 3. 网络工程专业毕业论文题目 4. 网络工程专业毕业论文精选范文 5. 网络工程论文选题 6. 关于网络工程毕业论文范文
不知道怎么写的话也可以参考下别人是怎么写的呀~看下（材料科学）或者（材料化学前沿）这样类似的期刊多学习学习下呗~
计算机毕业论文题目推荐如下：基于SpringBoot的个性化学习系统设计与实现。基于web的疫情期间物资分配管理系统的设计与实现。基于python的成都市二手房数据可视化系统的设计 基于SpringBoot的电子秤串口称重系统的设计与实现 基于Java的疫情防控服务平台的设计与实现 基于Web的开源协会服务平台的设计与实现 基于ssm的汽车租赁平台的设计与开发
基于Java的同城临期视频平台的设计与开发。基于SpringBoot的协同过滤就业系统的设计与实现。基于SpringMVC的互联网招聘求职网站的设计与实现。基于SrpingBoot+react的资源登记分享网站的设计与实现。基于Springboot的在线教育平台设计与实现。基于Springboot的货物管理系统的设计与实现
基于Springboot的医疗管理系统的设计与实现。基于Springboot的校园快递管理平台的设计与实现。基于Springboot的博课系统的设计与实现。基于web应用的互助型旅游网站系统开发基于SpringBoot的沉浸式在线视频学习系统设计与实现。基于Springboot的预约挂号系统的设计与实现。基于python的新冠疫情数据分析系统的设计与开发。
是出现了系统卡顿。先退出论文设计系统，然后再重新登录进去就可以了。
1.虫部落
虫部落是一个致力于搜索的社区，它集谷歌搜索、百度一下、必应搜索、精准搜索、维基百科等众多搜索于一身，集合了大量的国内外资源。虫部落是一个纯粹的搜索经验、技术交流和分享平台，同时为虫友提供众多方便好用的搜索引擎。
为您聚合Google、百度、必应等国内外综合搜索和学术、资源、专业领域知识等垂直搜索。精准搜索，便捷交互!与其说是一个搜索网站，不如说是一个大型收藏夹更为贴切一点。
2.本地Pubmed
本系统是华中科技大学同济医学院与济南泉方科技有限公司合作开发，本系统是在美国PubMed的基础上，参考CiteScore期刊评价系统、泉方学术搜索、德国的GoPubMed等整合开发的检索平台。
需先行注册，注册很简单，只需按照要求填写，注册完成后能够试用3个月时间，如需继续使用得注册其他账号。然后点击上图中本地Pubmed检索系统进入查询页面。
3.Scientific Research Publishing
Scientific Research Publishing(科研出版社，简称SRP)是一家国际综合性开源学术期刊出版机构。目前已有国际开源英文期刊近三百本，所有期刊都是开源的(OpenAccess，或称开放存取，简称OA)，可免费下载所有期刊全文，所有期刊均回溯至创刊。
4.NIMS日本国立材料研究
旗下有NIMS NOW International，NIMS所属的每月通讯，2003年7月成立。每月覆盖范围包括国立材料研究所的最新研究活动，管理政策，在国际合作方面取得的进展，世界著名学者的访问、优秀的研究人员和工作人员，以及其他信息，报告当前的科研进展以及材料科学的重要趋势。
5.HighWire Press 数据库
HighWire Press是全球最大的提供免费全文的学术文献出版商，于1995年由美国斯坦福大学图书馆创立。最初仅出版著名的周刊“Journal of Biological Chemistry”，现提供1300余种期刊。
以上就是环球青藤小编关于学术文献网站的相关分享，总之，这些网站在论文写作中很受用，希望对即将毕业的小伙伴们在论文写作上有所帮助，更多相关内容，欢迎关注本平台!
1)、超星电子图书馆:收录的电子图书内容丰富，包括经典理论、哲学、社科、经济、语言文字、文学、数理化、生物、工业技术、计算机等50余个学科门类，现拥有中文电子图书80万种，论文300万篇，全文总量4亿余业，并且每天仍在不断地更新与增加 2)书生之家数字图书馆:主要收录1999年以后出版的新书，其收录量为每年中国出版的新书品种一半以上，目前拥有图书15万种，数量可观，学科门类齐全。 3)中国学术期刊全文数据库:该库的产品分为十大专辑:理工A、理工B、理工C、农业、医药卫生、文史哲、政治军事与法律、教育与社会科学综合、电子技术与信息科学、经济与管理。个专辑分为若干专题，共168个专题。 4)维普中文科技期刊数据库:按照《中国图书馆分类法》进行分类，所有文献被分为8个专辑:社会科学、自然科学、工程技术、医药卫生、农业科学、经济管理、教育科学和图书情报。8大专辑又被细分为36个专题 。 5)万方数字化期刊收藏资源的特点:目前集纳了理、工、农、医、人文五大类70多个类目，2500多种科技类核心期刊，实现全文上网。该系统收录的期刊种类主要有7个:基础科学、农业科学、社会科学、哲学政法、医学卫生、教科文艺、经济财政。 维普、万方、超星的使用方法1)、维普中文科技期刊数据库“高级检索”的方法:打开维普数据库，点击高级检索，输入关键词、作者、分类号、机构、刊名，扩展检索条件，如:时间条件、专业限制、期刊范围，然后点击检索。 2)、中国学术期刊全文数据库“高级检索”的方法:打开中国知网，点击高级检索，进入中国学术期刊全文数据库，输入检索控制条件，如:发表时间 来源期刊` 期刊年期 支持基金，然后输入内容检索条件。