协同推荐技术作为处理“信息过载”问题的最有效手段之一,受到了众多学者的关注。但随着网络新技术的发展,协同推荐呈现出动态复杂性特点,其面临的一些关键问题仍然突出。而近年来,复杂网络的研究备受关注,许多新的理论模型和分析方法被提出,这为协同推荐中关键问题的解决提供了新的思路和方法。二分网络是复杂网络的一种重要表现形式,它很好地刻画了协同推荐系统的拓扑结构。因此,本文首先对二分网络和协同推荐的相关内容进行了深入的研究,然后提出了一种基于二分网络的协同推荐框架,在分析和阐明了该框架的可行性和优越性后,针对协同推荐中存在的关键问题,明确了实现该框架的主要目标和关键步骤,即本文的主要研究工作,具体包括以下三点：(1)从用户-资源的二分网络拓扑结构出发,提出了一种投影方法来准确提取用户-用户关联关系和资源-资源关联关系,并据此分别实现了用户中心和资源中心的协同推荐,有效提高了推荐准确性和多样性。(2)从网络边的角度出发,结合传播的思想,提出了一种基于传播的二分网络边社区划分方法,通过划分边社区间接得到可重叠、存在对应关系的节点社区。该方法具有可并行性,且在多粒度和动态更新问题上具有良好的可扩展性。(3)利用前面的社区划分方法得到用户社区和资源社区,提出了一种基于二分社区结构的协同推荐算法。该算法将目标对象所属社区作为最近邻群以实现动态近邻选择,并利用社区隶属情况和对应关系进一步修正近邻排序,最后分别实现了单一策略和混合策略的协同推荐,使得推荐实施更为灵活有效。本文选用Southern women和MovieLens数据集对提出的算法进行了数值实验,并分析了实验结果,验证了算法有效性的同时提出了有待改进的问题。