1、個性化推薦系統(tǒng)是解決互聯(lián)網(wǎng)信息超載問題最行之有效的信息過濾方式之一，而推薦算法是其中最關(guān)鍵的組成內(nèi)容。目前對推薦算法的研究已較為成熟，但仍存在諸多需要完善的地方。基于復(fù)雜網(wǎng)絡(luò)的推薦算法給推薦算法帶來了新的嘗試，也是目前的研究熱點之一。二部圖網(wǎng)絡(luò)是復(fù)雜網(wǎng)絡(luò)中典型的表現(xiàn)形式，它將用戶和項目抽象成二部圖網(wǎng)絡(luò)中的節(jié)點，利用二部圖網(wǎng)絡(luò)的拓撲結(jié)構(gòu)進行算法推薦，令推薦過程更加直觀，降低了算法復(fù)雜度，同時提高了算法效率。本文以基于二部圖網(wǎng)絡(luò)的推薦算法為

2、研究內(nèi)容，提出兩種改進的基于評分二部圖的推薦算法，論文主要工作如下。
　　(1)就個性化推薦系統(tǒng)的研究價值及意義進行深入探討，并對推薦系統(tǒng)的工作流程、主要算法及評價指標(biāo)進行系統(tǒng)的分析和研究。
　　(2)對目前推薦系統(tǒng)中常見的推薦算法進行對比分析，重點研究了基于二部圖網(wǎng)絡(luò)的推薦算法，就其模型框架及研究思路進行了分析和總結(jié)。
　　(3)通過將基于項目度的非均勻資源分配過程及基于評分的物質(zhì)傳遞過程引入基于二部圖的推薦算法中，