1.一种基于关注关系和多用户行为的图推荐方法，其特征在于，包括以下步骤：

步骤1、根据用户对物品的行为记录，构建用户行为图，具体为：

1.1)、构建用户行为图，图中的节点由用户节点集合和物品节点集合组成，图中的边有两类：一类“用户-物品”边表示用户对物品存在行为，即在用户节点和该用户存在行为的物品节点之间建立一条边；一类“用户-用户”边表示两个用户有相似行为，即如果两个用户存在行为的相同物品个数超过设定阈值，则认为两个用户行为具有相似性，在两个用户节点之间建立一条边；

1.2)、计算用户行为图中每条边的权值：对于“用户-物品”边，首先统计系统中N种用户行为各自发生的总次数，记为(B1,B2,…,BN)，然后按照公式(1)计算每种用户行为归一化时的比重，记为(pb1,pb2,…,pbN)，pb1+pb2+…+pbN＝1；最后根据用户i对物品j的行为记录，按照公式(2)计算边的权值，记为wij；对于图中的“用户-用户”边，权值按照公式(3)计算，其中α为系统设定的参数；

其中

其中bm表示用户i对物品j执行第m种行为的次数 (2)

步骤2、根据用户的关注关系，构建关注图，图中的节点是有关注关系的系统用户，即用户i关注了用户j，则建立一条从用户节点j指向用户节点i的边，关注图是一个有向无权图，用户节点对用户行为图中每个节点的访问概率可沿着关注图的边向其关注节点扩散；

步骤3、基于用户行为图，分别以每个用户节点作为起始点，在图上进行一轮随机游走，计算一轮随机游走后用户节点u对图中每个节点i的访问概率，第n轮游走后的访问概率记为 按照公式(4)进行计算；

初始时设置：

步骤4、基于关注图，将 按照关注关系进行扩散，每个用户节点u可从其关注节点v处，获得v节点对用户行为图上每个节点的访问概率，每个用户节点u从关注图上获得的对用户行为图上每个节点的访问概率可采用公式(5)所述方法进行计算，这里in(u)表示节点u的关注节点集合，|in(u)|表示关注节点的个数；

步骤5、将基于用户行为图得到的访问概率 和基于关注图得到的访问概率进行综合计算，得到第n轮游走和扩散后，每个用户节点对用户行为图上每个节点的访问概率，计算方法如公式(6)所示，其中γ是设定参数，用于调整两种访问概率对综合值的影响比重；

步骤6、判断每个用户对用户行为图中每个节点的访问概率是否收敛到稳定值，如果收敛，则结束游走扩散过程，执行步骤7；如果没有收敛，则执行公式(7)、(8)，然后返回步骤

3，重复执行游走和扩散过程。

n＝n+1 (8)

步骤7、根据每个用户节点对用户行为图中节点的访问概率，生成每个用户的用户推荐列表和物品推荐列表，生成用户推荐列表的方法包括：对于用户u，首先排除该用户已经关注过的用户节点，然后将剩余用户节点按照u节点对剩余用户节点的访问概率降序排列，选择访问概率最大的若干用户节点生成推荐列表；生成物品推荐列表的方法包括：对于用户u，首先排除该用户已经存在行为物品节点，然后将剩余物品节点按照u节点对剩余物品节点的访问概率降序排列，选择访问概率最大的若干物品节点生成物品推荐列表。