随着网络的高速发展与普及,人们的生活与网络密切相关,网络上的购房租房信息过载成为购置或租赁房屋的用户的一大难题。随着房屋网站和中介网站中的房屋出租、二手房出售等信息越来越多,部分信息得不到更新,使得用户很难高效地找到适合自己的房屋信息。相关网站面临着的重要问题就是怎样实时并且准确地向用户提供其感兴趣的房屋,而解决这一问题的有效方法便是个性化推荐系统。本文作者参加了 365淘房网房屋购买与租赁推荐系统的部分开发工作,根据项目的需要,从二部网络分析的角度研究了对房屋的个性化推荐方法,并设计与开发了相应的房屋推荐系统,主要研究工作和成果如下:(1)根据房屋推荐系统的数据的特点,本文提出了基于二部网络社区挖掘的推荐算法。用带权的二部图来表达用户-项目的评分矩阵。我们提出了二部网络社区挖掘的标号传递的算法,先将用户划分社区,再将需要推荐的用户划分到最相关的社区,然后利用用户间的相似性进行推荐。算法综合考虑了用户与社区的关系,以及用户之间、项目之间的相似性,找出用户有潜在兴趣的项目。实验结果说明该算法的推荐结果比较其他相类似的推荐算法具有较高的精度。(2)提出了将二部网络链接预测中的Jaccard指标与奇异值分解相结合的混合推荐算法。算法先用Jaccard算法求出其推荐房源的相似度指标矩阵,然后我们用奇异值分解算法补齐Jaccard指标矩阵的零元素,从而得到一张完整的推荐列表。我们提出了对Jaccard指标与奇异值分解动态增量更新的算法,以适应评分表的动态变化。实验结果说明,该算法比较其他相关的推荐算法具有较高的推荐准确率和召回率。(3)设计与开发了 365淘房网房屋购买与租赁的推荐系统,在该系统中应用了本文所提出的基于社区挖掘的推荐算法和Jaccard指标与奇异值分解相结合的混合推荐算法。对房屋购买与租赁推荐系统进行了需求分析,提出系统框架的总体设计方案,介绍了系统的模块结构,以及各个模块的实现。