摘要：针对经典的热传导推荐算法准确度低以及物质扩散推荐算法多样性低的问题,提出一种基于热传导和物质扩散的混合推荐算法。考虑用户活跃度对推荐算法的影响,通过引入可调参数θ调节用户活跃度对推荐效果的影响,实现资源的重新分配,进而获得更好的推荐结果。实验结果表明,当θ取得最优值时,相比改进前的热传导和物质扩散混合算法,该算法在Netflix数据集上,精确率和多样性分别提高了约5.81%和4.15%。在MovieLens数据集上,精确率和多样性分别提高了约5.08%和3.60%。