一、文献综述
（一）国内外研究现状
随着ACM-ICPC和CCPC等大学生程序设计竞赛的发展，越来越多的高校搭建了ACM在线评测（Online Judge，OJ）平台。在线评测平台题目较多，刚入门的用户往往存在选题盲目的问题，针对此问题，通过利用所有用户的历史做题记录来实现智能题目推荐系统，来帮助新手选择题目，提高学生编写程序、分析和解决问题的能力[1]。
在这个不缺乏数字化资源的时代里，学习者常常有这样的困惑：不得不在检索和查询符合自己学习需要的资源上花费大量的时间和精力，却找不到符合自己兴趣的学习资源。在有丰富资源的基础下，却不能高效的学习成为不可争议的事实和亟待解决的问题[2]。为了解决这一问题，可以在现推荐算法研究成果的基础上，根据在线评测平台特性改进推荐系统算法，进一步提高推荐质量，帮助用户选到更适合的题目。
国外最早出现推荐系统是在1992年研究中心开发出了邮件分类筛选系统Tapestry，为了解决 Xeror公司在Palo Alto的资讯过载的问题[3]。GroupLens是一个新闻筛选系统，主要通过收集用户对新闻的评分然后得出每条新闻的综合评分，分析不同用户群体的兴趣，进行新闻推荐。与之类似还有电影推荐系统MovieLens笑话推荐系统Jster等。
2001年,较早开始提供推荐服务早的亚马逊amazon.com电子商务网站,将个性化推荐系统运用到其电商网站中，此时个性化推荐的研究以及应用开始向学术以外的领域蔓延。亚马逊网站网站中的各类商品，都有可能会被推荐给用户，其最主要的就是性化商品推荐列表和相似商品推荐列表。亚马逊使用得的是基于物品(项目)的协同过滤推荐算法,该算法会给用户推荐那些和他们已经喜欢的物品相似程较高的物品。亚马逊对于推荐系统相关的研究应用成为了行业的领头羊，也吸引了更多的科研工作者投身其中。视频网站Netflixl拥有人知道尤为出名，它是利用用户对电影的评分信息为用户推荐电影，并于2006年开始举办著名的Netflix Prize推荐系统比赛，以征集效率更高的算法。该项赛事对推荐系统的发展起到了重要的推动作用。
在国内的近几年，随着移动互联网以及电子商务的迅速发展，以网易、京东、阿里巴巴等为代表的电商巨头迅速崛起。早在2006年，最早以在线书城形式出现的当当网，开始为人们提供在线推荐图书的服务。到了2008年，淘宝网也推出了“猜你喜欢”形式的推荐服务,为用户推荐用户可能感兴趣的商品。同样是2008年，高德地图推出全新的位置、导航、动态规划的功能。2011年，百度推出了个性化推荐首页，根据用户的行为向其推荐符合需求的信息。2012年，今日头条正式推出了智能推荐内容产品。2014年，网易云音乐开始向用户智能推荐歌曲，并在随后的两年内，用户量破亿。2014年，阿里巴巴开始举办“天猫”推荐算法大赛，吸引了国内外众多研究者的参加，促进了个性化推荐系统的发展。当然推荐系统也存在一些问题，比如：(1)缺少个性化的推荐；(2)推荐信息滞后性；(3)推荐策略简单等[4]。
（二）研究主要成果
２０世纪９０年代，协同过滤技术的首次提出，标志着推荐系统成为了一门独立的学科而受到广泛关注。推荐系统的核心是推荐算法，它利用用户与项目之间的二元关系，基于用户历史行为记录或相似性关系帮助发现用户可感兴趣的项目。推荐算法的形式化定义：用Ｕ表示所有用户(user)的集合，用Ｉ表示所有项目(item)的集合。在实际系统中，Ｕ和Ｉ具有非常大的规模。定义一个效用函数ｓ，用来计算项目ｉ对用户ｕ的推荐度，即ｓ：Ｕtimes;Ｉ→Ｒ，其中Ｒ是一个全序集合（在一定范围内非负的整数或实数），推荐算法的研究问题就是通过计算推荐度为每一个用户ｕisin;Ｕ找到其最感兴趣的项目i′isin;Ｉ如下：
forall;uisin;U，irsquo;u＝argmaxs(u,i) iisin;Ｉ[5]
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。
