1、隨著互聯(lián)網(wǎng)大規(guī)模的普及、信息時代的高速發(fā)展，網(wǎng)絡數(shù)據(jù)量呈爆炸式增長趨勢，產(chǎn)生信息過載問題。如何從海量數(shù)據(jù)中快速獲取自己真正想要的信息一直是個研究熱點。目前，推薦系統(tǒng)是解決該問題的最好方法。推薦算法是推薦系統(tǒng)的核心，其中基于網(wǎng)絡的推薦算法是本文的重點。它的基本思想是：將用戶和對象抽象為節(jié)點，忽略目標用戶和推薦對象的基本特征，只考慮二者之間是否存在選擇與被選擇的關(guān)系，然后通過計算這種關(guān)系建立推薦模型對用戶進行推薦。本文的主要內(nèi)容是在現(xiàn)有研究

2、的基礎(chǔ)上，針對基于網(wǎng)絡的熱傳導和物質(zhì)擴散推薦算法的研究。
　　本文首先對推薦系統(tǒng)的定義、一般模型、要素及目前的研究現(xiàn)狀進行了綜述，并詳細介紹了主流推薦算法的基本思想和流程。然后對熱傳導和物質(zhì)擴散推薦算法進行了深入研究，并分析了二者的優(yōu)缺點。熱傳導推薦算法多樣性好、準確性低，而物質(zhì)擴散推薦算法準確性好、多樣性低。針對該問題，本文提出了如下兩種改進型混合算法：
　?、倩诮徊婊旌喜呗缘腇HTM算法。為了突出用戶在整個推薦過程中的

3、影響，該算法的兩次資源傳遞均按照用戶的度進行重新分配。實驗結(jié)果表明，該方法與熱傳導算法相比，準確性有了大幅度的提高，而多樣性略微下降；與物質(zhì)擴散算法相比，準確性和多樣性都幾乎一致。
　　②針對熱傳導、物質(zhì)擴散和FHTM算法存在的問題，本文繼續(xù)提出了一個新的基于熱傳導和物質(zhì)擴散的混合推薦算法HMW。該方法主要是在現(xiàn)有研究成果的基礎(chǔ)上，通過引入用戶活躍度，調(diào)節(jié)用戶在整個推薦過程中的影響，進而進行個性化的推薦。
　　最后，本文采用