随着CDN-P2P融合技术研究的深入,CDN-P2P网络在内容分发方面资源定位效率低下的问题越来越突出。为了提高网络的可扩展性与请求内容的响应速度,CDN-P2P中的P2P网络采取无结构化的拓扑结构可以有效的缓解压力。但是随着节点用户的不断增多,P2P网络的易维护性以及资源定位的效率越来越低,用户搜索查找资源的代价越来越高。增强CDN-P2P系统中P2P网络部分的可维护性,减少CDN-P2P系统中P2P网络部分资源搜索查找的时间,提高资源定位的效率,是目前CDN-P2P系统研究的热点问题。本文根据这些问题,通过分析CDN-P2P用户的行为特点,结合用户社会属性与资源需求属性等信息,对CDN-P2P网络的拓扑结构与搜索算法进行了改进,并融合智能推荐技术到原有的CDN-P2P中。该论文主要研究的内容包括以下三点：(1)对CDN-P2P系统中的无结构化P2P网络设计了一种基于用户社会属性与资源需求属性的P2P子网聚类算法,通过该算法来进行子网的划分,实验表明综合用户社会属性与资源需求属性进行聚类而划分子网,可以有效减少资源的平均查找定位时间。(2) CDN-P2P系统的资源搜索策略分为CDN部分与无结构化P2P网络部分分别进行了设计。CDN部分基于相似性优化邻居选择策略,无结构化P2P网络在建立相似性聚类模型的基础上,设计并实现了一种基于相似性聚类的改进随机漫步搜索策略,通过在簇内与簇间分别采取泛洪与随机漫步搜索,可以有效提高资源搜索的效率。(3)为CDN-P2P原型系统增加了推荐系统的设计,并针对用户数据稀疏性与推荐结果无法适应用户兴趣变化的问题,提出了一种综合基于用户评分偏差与时间权重性的协同过滤推荐算法作为本推荐系统的主要的推荐算法,该算法可有效的解决数据稀疏性,并且提高了推荐的准确率。