在一个信息技术呈爆发式增长的时代,人们可以非常方便地从各种渠道获得信息。然而,随之而来的问题就是信息是无限的,但人的注意力是有限的。举个例子来说,面对在线购物网站上成千上万的商品,没有人能够一一浏览。尽管搜索引擎在一定程度上能够帮助人们找到他们想要的,但是依然有大量的商品不被需要的人所了解。因此,在这样一种信息过载的背景下,能够通过用户以往的行为记录来预测用户兴趣的个性化推荐系统受到了广泛的关注,并且它是最有望高效解决这一问题的方法。此外,一些推荐系统已经在实际中得到应用,比如根据用户观看记录和评分来提供在线电影出租服务的Netflix,根据用户过去的购买记录来推荐书籍的Amazon.com以及根据用户的阅读记录来推荐新闻的Google News。受到电子商务中长尾理论的启发,在本文中,将一个用户—项目二分网络看作一个基于动态资源分配的无标度网络来研究该网络中的节点在不同时刻的相似性。从这一点出发,本文提出了一种新的基于动态资源分配的动态相似性测度来测量一个用户—项目二分网络中节点的相似性,并将该相似性测度用于个性化推荐。根据该相似性测度,本文定义了两种含参数的项目相似指数,一种是在动态平衡状态下定义的(ERA),另一种是在初始状态下定义的(IRA)。更进一步,本文从概率的角度对IRA相似指数进行了修正得到了 CIRA相似指数。实验结果表明,CIRA的各方面性能都要优于经典的协同过滤算法。