当今社会,人们每天通过各种各样的渠道收到海量的信息,随之产生了信息过载问题。个性化推荐系统的出现很好的缓解了这一现象,它可以帮助人们从海量的信息中找到用户所需要的并推荐给用户。但随着互联网的迅猛发展,网络中的信息和资源成指数型增长,且内容结构趋于复杂化,传统的个性化推荐系统难以满足人们日趋复杂化的需求,使得个性化推荐系统面临着巨大的挑战。因此,对于个性化推荐算法的研究与改进在学术领域和商业领域具有重大意义。在众多个性化推荐算法中,基于二部图网络结构的推荐算法因为其命中率高,不受项目类型的限制的特点受到学术界广泛关注,并有许多学者对该方法进行改进和优化,本文在对前人的工作进行深入研究后,首先提出一种基于项目属性的改进算法,该算法利用项目具有的属性数目作为影响因素改进基于二部图网络结构推荐算法中第一次资源分配方式,一方面缓解数据稀疏情况,一方面提高推荐结果的个性化程度。并通过在MovieLens数据集上模拟为用户推荐电影的仿真实验,证明改进方法在多样性方面具有较好的表现,提升了推荐结果的个性化程度。虽然本文上述提出的改进算法提高了推荐结果的个性化程度,但是在推荐结果的准确率方面提升效果不佳,所以本文在考虑项目属性的基础上,又提出一种结合用户偏好和项目属性的网络结构推荐算法。该算法利用用户对项目属性的偏好和用户偏好相似度改进整个资源分配过程,使资源在用户与项目之间分配方式更加趋于合理,产生更好的个性化推荐结果。最后同样在MovieLens数据集上进行模拟为用户推荐电影的仿真实验,证明该改进算法在准确率、多样性、降低推荐项目的流行性方面均有良好表现,提升了推荐结果的准确性和个性化程度,满足用户的个性化需求。本文的主要工作如下:(1)提出一种基于项目属性的二部图网络结构推荐算法。(2)提出一种结合用户偏好和项目属性的网络结构推荐算法。