张功国，江 洋，成振华，刘 颖

(1.重庆邮电大学通信与信息工程学院，重庆400065;2.重庆市质量和标准化研究院，重庆400023;3.重庆信科设计有限公司，重庆401121)

1 引言

随着大数据时代的到来，信息过载问题变得越来越严重，推荐系统是用于解决信息过载的有效途径，它用来给用户推荐可能感兴趣的事务[1]。推荐算法是推荐系统的核心，它用于处理输入信息并将其形成推荐信息。近年来，基于二部图的推荐算法受到了很多研究者的关注，该算法借鉴了物理学上热传导和物质扩散的思想[2]。周涛等人最早提出了一种基于二部图的物质扩散推荐算法[3]，该算法倾向于给用户推荐流行项目；文献[4]在此基础上对项目的初始资源进行修正，引入一个参数β，通过把项目初始资源k(o)调整为k(o)β，抑制了流行项目的影响，从而提高了算法推荐的多样性；Becatti等人在文献[5]中按照一定的重启动条件设定，在二部图网络结构中加入随机的游走过程，由此来寻找最佳的待推荐节点；He[6]等人考虑到项目对于用户的吸引作用，提出在二部图推荐系统中加入反馈调节，在多个数据集中实现了推荐新颖度的提高。

本文结合已有研究提出了一种基于差异化资源分配的二部图推荐算法。分别对项目初始资源和资源分配系数进行了差异化设置，通过实验验证了该算法相比其它类似的算法在推荐精度和多样性上都有所提升。

2 传统二部图推荐算法

将推荐系统建模成二部图，其中节点的两个集合分别代表用户集U和项目集O，当用户选择了项目则将它们相连，即两者形成连边[7]。……