文献综述
课题研究的现状及发展趋势：
随着现代社会信息化的快速发展，来自网络的信息开始以指数级增长，网络用户面对庞大的数据量会变得无法处理，这就是现在所说的信息过载。所以，现在急需开发出能够根据用户自身情况对信息进行智能筛选的推荐系统，来解决数据过载的问题，为用户提供想要的数据。
根据推荐系统所解决的问题，能够很好的在电子商务网站，电影视频网站，个性化音乐网站，社交网络，个性化阅读等领域有重要的应用，为用户带来更为方便快捷，人性化的体验。
推荐系统的研究开始于上个世纪90年代，由Resnick和Varian于1997年提出。推荐系统的设计主要是通过电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品。从此，如何是推荐系统能更准确的推荐出用户有兴趣的商品成为了重要的研究课题。
协同过滤系统的雏形由Xerox Pare 研究中心的Goldberg等人于1992年创建，主要应用于邮件过滤和新闻推荐。是目前公认的第一个具有真正意义的个性化推荐系统。美国明尼苏达大学计算机科学系GroupLens实验室针对信息过滤，协同过滤技术及推荐系统进行研究，于1994年创建了GroupLens新闻过滤系统。GroupLens是第一个建立推荐模型和推出了推荐系统引擎的推荐系统，标志着推荐系统形成了一个独立的研究方向。
我国的推荐系统相比于国外起步较晚。但是经过几年国内互联网的快速发展，信息化程度越来越高，需要处理日益增长的数据的系统需求越来越高。推荐系统已经成为互联网企业迫切研究的方向。
本课题研究的意义和价值：
在国外发展的较为成熟的推荐系统的环境下，利用Mahout等数据分析引擎，实现适合国内企业应用环境的推荐系统。并且更具国内用户基数大，信息属性丰富的特点，对设计出的推荐系统进行优化。
用轻量化的推荐系统设计，通过对数据日志，数据库数据进行分析，实现相对精准的推荐，并保持系统稳定性，可维护性，可拓展性，能够以低成本的研究开发应对数据推荐的需求，适用于缺乏资金，研发能力的中小型企业。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
