佘学兵，占清华，邬昌兴

(1. 江西科技学院信息工程学院，江西 南昌330098；2. 华东交通大学软件学院，江西 南昌 330013)

1 引言

目前网络信息技术飞速发展，网络上留存着大量的信息数据[1]。由于这些数据属性不同并且较为杂乱，因此在用户进行信息搜索时，常常花费较长的时间却找不到相对有用的信息[2]。目前的信息资源分配算法只能对用户已知的信息进行推荐，而不能对未知信息进行推荐，所以急需一种新的信息资源分配推荐算法满足用户需求。

文献[3]提出基于改进物质扩散的数据信息资源分配推荐算法。采用信任机制得到目标用户最优邻居集，利用用户信任度初始资源分配信息，根据物品双向扩散能力对参数进行调优，实现信息资源的再分配，优化目标用户完成推荐。该算法能够提高推荐结果的多样性，但其信息资源分配时间较长。文献[4]提出基于受限马尔可夫决策过程的节点信息资源分配推荐算法。采用马尔可夫决策理论，构建动态优化模型，利用近似动态规划理论，定义基函数的分配行为，调整外部环境学习和资源分配策略完成推荐。该算法能够有效减少计算维度，但是其信息资源分配推荐列表覆盖率较低。为了解决上述信息资源分配算法中所存在的问题，提出了基于协同过滤的多节点信息资源分配推荐算法。

2 基于协同过滤算法的信息分类处理

2.1 构建信息数据评分模型

利用预处理技术与数据挖掘技术，对节点中的信息资源进行处理分类，构建评分数据模型。……