武汉纺织大学毕业论文阶段任务书
（系统版）
课题名称：
完成期限：2024年12月23日至 2025年5月10日
学 院 名 称： | 管理学院 |
学 生 姓 名： | |
专 业 班 级： | |
学 号： | |
指 导 教 师： | |
指 导 教 师 职 称： |
一、毕业设计（论文）题目
影视推荐系统的设计与实现
二、课题训练内容
1.训练学生调查研究、文献检索、资料收集整理、外文翻译、文献综述、外文阅读以及文字表达等基本技能；
2.培养学生综合运用所学知识独立分析、解决有关专业问题的能力，使学生掌握科学研究的基本方法；具备独立开展定题式科研问题的研究能力，形成系统性的研究思路和框架能力；
3.培养学生科学认真的工作态度和理论联系实际的工作能力，动态跟踪管理等相关领域的学术前沿和管理实践；
4．掌握论文的规范撰写方法。
三、毕业设计（论文）任务要求
（一）毕业设计阶段的任务
1. 在调研或查阅文献的基础上撰写开题报告
2. 制定实习计划，完成实习日记、实习报告并附实习鉴定
3. 按照学校和导师的要求完成毕业设计（论文）
4. 完成主要英文参考文献的翻译
（二）毕业设计的基本要求
1. 开题报告（不少于2500字）
（1）阐明课题的意义
（2）综述所属领域的研究状况
（3）本课题的研究框架
（4）说明研究的手段、方法和步骤
（5）列示主要参考文献
2. 毕业论文
（1）论文正文约12000字，其中案例研究不少于10000字。
（2）题目和标题的字数控制在25个字以内，一般不超过20个字。
（3）正文应做到观点鲜明，中心突出；层次清晰，结构合理；说理透彻，逻辑顺畅；基本理论正确，资料翔实可靠；语言流畅，格式规范。其中，正文中一般应当有文献综述部分。
（4）主要参考文献至少列示25条；其中，外文参考文献不少于5条；参考文献的号码应当在正文中标注。
3. 英文文献翻译（数量不少于4000汉字）
含英文原稿的复印件、中文翻译稿的电子文稿打印件。英文原稿应当是写作毕业论文时的主要英文参考文献的组成部分。
4. 实习资料
（1）实习计划（打印稿，不少于1000字）
（2）实习报告（打印稿，不少于2500字）
（3）实习日记（手写稿，不少于10篇，每篇不少于200字）
（4）实习鉴定（打印稿或手写稿，用A4纸或贴在A4纸上）
四、进度安排
2024.12.23--2025.01.20 提交选题，指导教师下达任务书
2025.01.21--2025.02.28 学生完成毕业论文（设计）的开题工作
2025.03.01--2025.04.01 完成毕业论文（设计）的中期检查工作、完成论文初稿2025.04.02--2025.05.10 完成毕业实习并交实习报告和实习日记、论文定稿
2025.05.11--2025.05.16 指导老师和评阅老师评阅
2025.05.17（暂定） 论文答辩
- 主要参考文献（不少于10篇，其中，外文文献不少于3篇）
[1]Airen Sonu,Agrawal Jitendra. Movie Recommender System Using Parameter Tuning of User and Movie Neighbourhood via Co-Clustering[J]. Procedia Computer Science,2023,218.
[2]Behera Gopal,Nain Neeta. Collaborative Filtering with Temporal Features for Movie Recommendation System[J]. Procedia Computer Science,2023,218.
[3]Nath K R ,Ahmad T .A novel approach to movie recommendation systems: overcoming the cold start problem with dynamic sea-horse slimmable network with a contextual attention network[J].International Journal of Information Technology,2024,(prepublish):1-19.
[4]张鹏飞. 基于数据挖掘的个性化电影推荐系统设计与实现[D].杭州电子科技大学,2022.
[5]胡俊凯. 基于Web的个性化电影推荐系统设计与实现[D].广东工业大学,2022.
[6]张坤. 基于Spark机器学习的电影推荐系统的设计与实现[D].南京邮电大学,2022.
[7]梁肇敏,梁婷婷.基于深度学习的电影推荐系统设计与实现[J].智能计算机与应用,2022,12(10):157-162.
[8]宋东翔,马伽洛伦,袁铭举,王怡然.基于协同过滤和NodeJS的电影推荐系统研究[J].信息与电脑(理论版),2022,34(12):143-145.
[9]关凯轩. 基于大数据技术和深度学习的混合模式电影推荐系统设计[D].东华大学,2022.
[10]邓介一,陈兰兰,梁会军.基于Scala的电影推荐系统的设计与实现[J].工业控制计算机,2022,35(05):104-106.
[11]高琛博.基于序列化推荐算法的电影推荐系统的设计与实现[D].北京邮电大学,2023.DOI:10.26969/d.cnki.gbydu.2023.001203.
[12]王旭东.基于SparkALS的电影推荐系统设计与实现[D].重庆大学,2022.DOI:10.27670/d.cnki.gcqdu.2022.001975.
[13]刘畅.基于ASP的小区在线影视点播系统的设计与实现[D].河北科技大学,2018.
[14]岳瑞波.基于深度学习的个性化电影推荐系统算法与应用研究[D].三峡大学,2024.
[15]蒋亚平.基于Spark的电影推荐系统关键技术研究与应用[J].电脑编程技巧与维护,2024,(08):47-49.DOI:10.16184/j.cnki.comprg.2024.08.015.
