青岛工学院毕业论文（设计）附件
青 岛 工 学 院
毕 业 论 文（设 计）
开题报告
题 目基于协同过滤算法的数学习题
个性化推荐的系统设计与实现
学 院 信息工程学院
年 级 2016 级
专 业 计算机科学与技术
姓 名 丁锐
学 号 201602105118
指导教师 梁宏涛
报告日期 2019 年 2 月 27 日
青岛工学院教务处制表
青岛工学院毕业论文（设计）附件
一、选题依据
1.选题来源与背景
随着科技的发展和 Web2.0 时代的到来，互联网正在改变着我们的生活成为我们生
活中的一部分。首先它改变了我们的生活方式，比如在饮食方面，我们只需要用手机或
者电脑打开“美团”或“饿了吗”定一份外卖就可以，在购物方面，我们可以打开“淘
宝”或“京东”就可以选择我们喜欢的商品，其次还有很多方面像是看电影、听音乐都
可以通过互联网来实现这些功能。互联网给人们带来诸多方便的同时也导致了互联网上
的用户极具增加，用户的增加直接导致了互联网上的信息呈指数级的快速增长，这些庞
大并呈现快速增长的信息正带领我们进入了一个崭新的而又充满挑战的时代—大数据
时代。
大数据时代给我们带来诸多方便的同时也带来了很多问题，一方面：信息有好有坏，
对于用户而言，好的信息就是用户真正需要的信息，坏的信息就是用户不需要的信息，
那么如何给用户直接提供真正需要的信息而过滤掉不需要的信息呢？这是需要解决的
第一个问题。另一方面：用户已经进入了快节奏的时代，信息获取的速度对用户而言非
常重要，综合以上两个方面，我们需要解决的就是给用户准确而快速的提供他们真正需
要的信息，其实就是解决信息获取的准确度和效率的问题。针对这些问题，国内的网站
已经采取了一些有效措施，比如综合搜索类网站“Hao123”，它主要采用的是分类思想，
将同一类的信息放在一起，这解决了准确性的问题但是没有解决效率问题，再比如现如
今很多网站采用搜索框的方法，用户将自己想要搜索的信息直接输入到搜索框中，点击
搜索就可以搜索到自己想要的信息。但这只是用户知道自己想要搜索什么，而在很多情
况下，用户也不知道自己究竟想要什么信息。以上的诸多问题推动了一个新兴技术的发
展—个性化推荐技术，个性化推荐技术就是针对解决信息获取的准确度和效率问题而产
生的，它的核心思想是针对不同用户的特点推荐给用户真正需要的信息。其实现如今很
多网站已经应用了个性化推荐技术来改善用户体验。比如“网易云音乐”，结合用户之
前听过的歌曲以及用户收藏或者评论的歌曲来推荐给用户相似的歌曲。同样在教育领域
也需要推荐给用户真正需要的学习资源，本文所研究的数学习题个性化推荐系统，就是
为了解决针对不同用户的能力特点推荐他们真正需要的数学习题来提高自身的解题能
力，从而达到提高学习效率和学业水平的目的，这在现如今智慧教育和个性化学习以及
个性化教学的大背景之下具有一定的现实意义。
2.研究目的
随着手机和平板电脑的普及，我们已经进入了移动互联时代，移动互联时代给我们
的生活带来极大便利的同时，也产生了大量的数据信息，使我们难以选择和发现自己真
正想要的信息。在这样的背景下，搜索引擎和推荐系统油然而生，相比之下人们更加倾
向于使用推荐系统，因为搜索引擎在用户不知道自己需要什么信息的时候具有一定的局
限性，而推荐系统可以根据用户的注册信息、浏览记录、购买记录、点评信息等数据信
青岛工学院毕业论文（设计）附件
65
息来主动推荐给用户真正需要的信息。推荐系统的出现不仅极大的方便了用户，而且利
用了互联网上产生的大量信息，起到了一举两得的作用。
现如今的推荐系统种类繁多，很大一部分应用于商业领域，比如商品的推荐、电影
的推荐、美食的推荐、音乐的推荐等等。基于文本层面的还有新闻的推荐、广告的推荐。
以上的这些推荐总体来说是通过记录用户历史行为来找到用户真正感兴趣的商品信息，
从而寻找相似的商品推荐给用户，这也是传统的基于内容的推荐方式，还有就是根据用
户历史行为记录或者注册信息来寻找相似用户群，然后把相似用户群感兴趣的商品推荐
给用户，这就是传统的协同过滤推荐方式。而在教育领域，相较于商品推荐系统，教育
资源推荐系统相对较少，而随着网上教育资源的增加，学生们学习压力的增大，教育资
源个性化推荐的实现成为了教育领域专家所要解决的首要问题，并且数学习题个性化的
推荐是教育资源个性化推荐的重要组成部分。
3.国内外研究现状
国外研究现状：
国外的推荐系统研究相对较早，第一个推荐系统是用来做邮件推荐的，在上世纪 90
年代中期，Xerox 公司为了解决邮件数量过多的问题研发出了世界上第一个真正意义上
的推荐系统—Tapestry,该系统通过过滤邮件，找到那些用户真正感兴趣的邮件，并把
这些邮件推荐给用户，提高了推荐效率也解决了当时邮件信息过载的问题，该系统也是
当时推荐系统的雏形。之后的几年间，在 90 年代的中后期由于计算机在国外的普及程
度不断提高，信息资源不断累积导致推荐系统的研发数量极具增加，几种推荐系统的核
心技术在这期间也逐渐出现。首先，协同过滤推荐技术的出现标志着推荐系统正逐渐走
向成熟，作为第一个使用协同过滤推荐技术的推荐系统—GroupLens，其与之前的邮件
推荐系统相比，基于用户对物品喜好评分更加准确，通过过滤相似用户的物品选择，推
荐准确度和效率都得到了显著的提高。可以说 GroupLens 系统是现代推荐系统的雏形，
对之后推荐系统的产生和发展都有着深远的影响。随后，推荐系统应用于各个领域，人
们对其需要也不断增加，学者界也在研发着更精准、效率更高的推荐系统来满足人们对
处理大量信息的需要，在 90 年代后期大量的推荐系统伴随着时代的脚步逐渐出现。几
个具有代表性的推荐系统都是一些国际上著名院校研发出来的，包括：“卡耐基梅隆大
学、斯坦福大学、麻省理工大学”这些高等学府相继研发出的具有个性化推荐功能的
LIRA 系统、WebWatcher 系统及 Litizia 系统。21 世纪随着技术的发展，推荐系统真正
融入了人们的生活，国外几家著名的大型电商购物网站相继将个性化推荐技术融入了他
们的系统当中，最具有代表性的“亚马逊网站”，通过收集用户的注册信息、购物记录、
浏览记录、商品评价等行为信息来给用户推荐他们真正需要的商品，提高了推荐的准确
度和效率，节省成本增加利润，之后的一些大型公司像：Facebook、谷歌，也采用了自
己的推送策略，实现通过记录用户历史搜索行为记录来进行推荐，推荐系统在国外一些
