1、計(jì)算機(jī)和Internet技術(shù)的飛速發(fā)展,使得信息量的急劇增長的同時(shí)也帶來了信息超載的問題,這就使得人們在尋找自己想要的信息的時(shí)候很難從海量的信息量中有效的發(fā)掘出有價(jià)值的信息。為解決這一問題,搜索系統(tǒng)應(yīng)運(yùn)而生,在使用搜索系統(tǒng)時(shí)需要用到搜索關(guān)鍵字,搜索系統(tǒng)是被動(dòng)服務(wù)。與搜索系統(tǒng)相比,推薦系統(tǒng)不受到搜索關(guān)鍵字的限制,并且針對(duì)不同的用戶,推薦給用戶的信息是不同的,推薦系統(tǒng)是主動(dòng)服務(wù)。推薦系統(tǒng)通過收集、分析用戶的歷史行為記錄,發(fā)掘用戶潛在的興趣愛

2、好,推薦用戶可能感興趣的對(duì)象。推薦系統(tǒng)通常是由用戶建模模塊、對(duì)象建模模塊、以及推薦算法模塊組成,其核心是推薦算法模塊,推薦算法的優(yōu)劣影響著整個(gè)推薦系統(tǒng)的性能。近些年來,隨著復(fù)雜網(wǎng)絡(luò)科學(xué)的發(fā)展,將復(fù)雜網(wǎng)絡(luò)原理應(yīng)用到推薦系統(tǒng)上成為了個(gè)性化推薦系統(tǒng)的一個(gè)熱門研究方向。
　　本文主要研究了基于復(fù)雜網(wǎng)絡(luò)的推薦算法,深入分析了在推薦系統(tǒng)中對(duì)象的不均勻性對(duì)于推薦系統(tǒng)性能的影響。由于對(duì)象在推薦系統(tǒng)中表現(xiàn)出來不均勻的特性,推薦系統(tǒng)對(duì)于熱門程度不同的

3、對(duì)象的推薦偏好會(huì)對(duì)個(gè)性化推薦系統(tǒng)性產(chǎn)生一定的影響。在基于復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法中,將用戶和對(duì)象抽象為網(wǎng)絡(luò)中的節(jié)點(diǎn),并賦予對(duì)象節(jié)點(diǎn)一定的初始資源,這種資源能夠在網(wǎng)絡(luò)中擴(kuò)散。由于資源擴(kuò)散具有方向性,我們將分配資源出去的對(duì)象命名為源對(duì)象,接收資源的對(duì)象命名為目標(biāo)對(duì)象。基于一種偏好熱傳導(dǎo)算法,我們考慮了源對(duì)象的不均勻性對(duì)推薦系統(tǒng)性能的影響,將源對(duì)象的度作為擴(kuò)散的權(quán)重,提出了一種改進(jìn)的偏好熱傳導(dǎo)推薦算法。我們使用了三個(gè)真實(shí)的數(shù)據(jù)集Netflix、