用户行为很容易用二分图表示，从而给用户进行个性化推荐。
用户行为数据由一系列的二元组组成，其中，每个二元组 ( u , i ) (u,i) (u,i)表示用户 u u u对物品 i i i产生过行为。
令 G ( V , E ) G(V,E) G(V,E)表示用户物品二分图，其中， V = V U ∪ V I V=V_U\cup V_I V=VU∪VI由用户顶点集合 V U V_U VU 和物品顶点集合 V I V_I VI组成。对应数据集中每一个二元组 ( u , i ) (u,i) (u,i),图中都有对应的边 e ( v u , v i ) e(v_u, v_i) e(vu,vi), 其中， v u ∈ V U v_u\in V_U vu∈VU是用户 u u u对应的顶点， v i ∈ V I v_i \in V_I vi∈VI是物品 i i i对应的顶点。
图1 用户物品二分图模型
度量图中两个顶点之间的相关性的方法很多，但主要取决于下面3个因素：
两个顶点之间的路径数；两个顶点之间路径的长度；两个顶点之间的路径经过的顶点。