随着互联网技术的飞速发展，网络中的信息量急剧上升。如何帮助用户在海量的数据中快速找到对其有价值的信息，并让网络中的信息能够被用户获取成为亟待解决的问题。而个性化推荐系统是解决该问题的一个重要工具。　　近年来，基于二部图网络结构的推荐算法得到了研究者越来越多的关注，但是，以往的基于二部图网络结构的推荐算法只是判断用户是否选择过项目，没有利用用户对项目的评分信息。并且多数算法都倾向于给用户推荐流行商品，没有考虑项目度对推荐结果的影响，忽略了多样性、新颖度等重要指标的衡量。针对这些问题，对基于网络结构的推荐算法作了研究分析，提出了一种改进的基于二部图网络结构的个性化推荐算法。主要工作包括以下几个方面：　　①对推荐技术做了比较深入的研究，介绍了几种常用的推荐算法，并比较了各种算法的优缺点。其中，对基于网络结构的推荐算法做了详细的分析研究。　　②考虑到用户的评分信息对推荐准确性的影响，利用用户对项目的评分信息构成加权的二部图网络结构，并调节低分在推荐中的贡献度以得到更合理的推荐结果。　　③考虑到系统应该减少对流行商品和绝大多数用户都不喜欢的商品的推荐，综合考虑项目的度和用户对项目的评分信息两方面因素来度量用户间的相似性系数，以提高算法的预测准确度和推荐多样性。　　④由预测评分降序排列得到初始推荐列表后，为了让相对冷门的项目得到用户越来越多的关注，利用改进的排名模型对初始列表重新排序，得到最终的推荐结果。　　⑤采用MovieLens站点提供的数据集对改进的基于网络结构的推荐算法进行测试，首先设定算法中的参数的最优值，其次从准确性、多样性以及新颖性三个方面与其他算法进行对比，实验结果表明改进算法在三个方面都有较好的表现，验证了算法的可行性和有效性。