1. 研究目的与意义
随着时代的发展,信息过载问题带来了信息使用过程中的迷茫。
各类数据、信息以前所未有的速度持续增长。
因此，怎样从海量数据中发现自己希望寻找的内容已经成为越来越多的用户所需要面临的一大难题，而推荐系统是解决信息过载的行之有效的方案。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 研究内容和预期目标
基于关系型数据库民用车辆购置推荐系统是建立在大量有效数据的基础之上,在阐述推荐系统的基本概念和形式之后,从数据的角度探讨推荐系统的分类,即基于用户行为数据、基于社会化标签数据、基于民用车辆的分类、用户行为建模和推荐结果的多样性，使得推荐系统能较好的实现。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 国内外研究现状
对车辆购置的个性化推荐的核心是推荐算法。主要的推荐算法有基于协同过滤的推荐、基于内容的推荐、基于人口的推荐等。国内外学者在推荐算法方面已经做出了大量的研究和实践。１９９５年３月，在美国人工智能协会上卡耐基．梅隆大学的Robert Armstrong等人提出了个性化导航系统Web Watcher；美国明尼苏达大学计算机科学与工程系研究的，采用混合推荐技术实现的Movie Lens是个性化电影推荐网站。该网站主要是釆用基于用户的过滤协作，通过寻找与目标用户兴趣相似的邻居用户的喜好，来为目标标用户推荐。亚马逊购物平台是通过典型的协作过滤技术实现的推荐。国内对个性化推荐也有较大的成果，文献提出了基于模糊聚类的协同过滤率推荐方案，对解决系统的冷启动有着较好的效果，提高了推荐的精度。文献提出了混合模式个性化推荐的策略，该方案能够解决用户多兴趣下的个性化推荐问题。国内不少学者提出了一些原型系统，例如山清华大学的冯朝等人提出信息过滤系Open-Bookmark，南京大学的潘金贵设计实现的信息搜集智能体DOLTRI-Agent。个性化推荐也逐渐应用于实际例如我国的数字图书馆、淘宝网、豆瓣网、当当网等。
4. 计划与进度安排
(1)对购车推荐系统的参与用户所需功能进行了分析,针对每一类用户提出了系统的功能。
(2)购车推荐系统的整体功能设计（数据库）(3)为实现系统的关键性技术，对个性化推荐以及系统信息集成技术进行了分析,确定系统关键技术的解决方案。
(4)最后, 根据用户对推荐的需求，设计了对用户的进行车辆类型推荐。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
5. 参考文献
[1]阮光册,夏磊.互联网推荐系统研究综述[J].情报学报,2015,34(09):999-1008.[2]叶云霜,林伟华,刘福江,董晓莹.关系数据库中海量要素存储的分区优化研究[J/OL].计算机技术与发展,2019(12):1-6[2019-11-27].[3]刘丽. 关系数据库的时态信息检索方法研究[D].西安科技大学,2019.[4]王嘉庆,杨卫东,何亦征.关系数据库的实体间关系提取方法的研究[J].计算机应用与软件,2019,36(10):10-16 38.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文开题报告，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。
