1、隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，網(wǎng)絡(luò)中的信息量急劇上升。如何幫助用戶在海量的數(shù)據(jù)中快速找到對(duì)其有價(jià)值的信息，并讓網(wǎng)絡(luò)中的信息能夠被用戶獲取成為亟待解決的問(wèn)題。而個(gè)性化推薦系統(tǒng)是解決該問(wèn)題的一個(gè)重要工具。
　　近年來(lái)，基于二部圖網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法得到了研究者越來(lái)越多的關(guān)注，但是，以往的基于二部圖網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法只是判斷用戶是否選擇過(guò)項(xiàng)目，沒(méi)有利用用戶對(duì)項(xiàng)目的評(píng)分信息。并且多數(shù)算法都傾向于給用戶推薦流行商品，沒(méi)有考慮項(xiàng)目度對(duì)推薦結(jié)果的影響

2、，忽略了多樣性、新穎度等重要指標(biāo)的衡量。針對(duì)這些問(wèn)題，對(duì)基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法作了研究分析，提出了一種改進(jìn)的基于二部圖網(wǎng)絡(luò)結(jié)構(gòu)的個(gè)性化推薦算法。主要工作包括以下幾個(gè)方面：
　?、賹?duì)推薦技術(shù)做了比較深入的研究，介紹了幾種常用的推薦算法，并比較了各種算法的優(yōu)缺點(diǎn)。其中，對(duì)基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法做了詳細(xì)的分析研究。
　　②考慮到用戶的評(píng)分信息對(duì)推薦準(zhǔn)確性的影響，利用用戶對(duì)項(xiàng)目的評(píng)分信息構(gòu)成加權(quán)的二部圖網(wǎng)絡(luò)結(jié)構(gòu)，并調(diào)節(jié)低分在推薦中的

3、貢獻(xiàn)度以得到更合理的推薦結(jié)果。
　?、劭紤]到系統(tǒng)應(yīng)該減少對(duì)流行商品和絕大多數(shù)用戶都不喜歡的商品的推薦，綜合考慮項(xiàng)目的度和用戶對(duì)項(xiàng)目的評(píng)分信息兩方面因素來(lái)度量用戶間的相似性系數(shù)，以提高算法的預(yù)測(cè)準(zhǔn)確度和推薦多樣性。
　　④由預(yù)測(cè)評(píng)分降序排列得到初始推薦列表后，為了讓相對(duì)冷門的項(xiàng)目得到用戶越來(lái)越多的關(guān)注，利用改進(jìn)的排名模型對(duì)初始列表重新排序，得到最終的推薦結(jié)果。
　?、莶捎肕ovieLens站點(diǎn)提供的數(shù)據(jù)集對(duì)改進(jìn)的基于網(wǎng)絡(luò)