在协作学习P2P网络中，各个节点的贡献值根据节点的具体情况而发生变化，因此所获得的资源服务质量也随之发生变化。基于贡献值的资源分配原则是“多劳多得”“多劳先得”。对于资源请求者而言，贡献值大，及时得到满足的概率就高，从而促使其做更多贡献；对于资源提供者而言，为了尽可能增大自己的贡献值，在做资源分配时，应把资源优先分配给贡献值大的节点，同时根据资源的受欢迎度排序，越受欢迎的资源排在最前面，节省检索时间，提高查询效率。基于贡献值的资源分配算法描述如下：

输入：学习资源请求信息；

输出：学习资源。

（1） 节点侦听资源请求信息。

（2） 当有资源请求时，查询请求节点的贡献值。

（3） 如果请求节点的贡献值过低，将拒绝下载服务，跳转到（1）步，否则转到（4）步。

（4） 如果只有一个主机请求学习资源，则转（5）步，否则转（6）步。

（5） 将所请求的资源提供给请求节点，然后跳转到（6）步。

（6） 贡献值大的节点优先获得该资源，贡献值小的节点后获得资源甚至无法获得该资源。

（7） 计算资源被下载的次数，即受欢迎度，然后根据资源的受欢迎度刷新资源的排序。

（8） 增加本节点的贡献值，跳转到（1）步。

基于贡献值的资源分配算法RAAC（Resources Allocate Algorithm base on Contribution）的伪代码如下：

（1） initializes(www.daowen.com)

（2） Listen Res Req（recource Name）; //节点侦听资源请求信息

（3） C[i]=get Cont（nodeid）; //当有资源请求时，查询请求节点i的贡献值

（4） if（is Toolow（Cont[i]＜θ）） //判断请求节点的贡献值是否过低

then refuse Service（）; //如果请求节点的贡献值过低，拒绝下载服务

（5） else if Res Req Node Id=1; //如果只有一个主机请求学习资源

then allocate Resource（file Name,nodeid）; //分配最优资源

（6） else allocate Resource（file Name,Max（C[i]）.nodeid）; //贡献值大的节点优先获得该资源

（7） Count Resource[j]=Count Res（Resource[j]）; //计算资源被下载的次数，即受欢迎度

（8） sortlist（list,Count Resource[j]）；

refresh（）{}; //根据资源的受欢迎度刷新资源的排序

（9） C[k]=Addcont（）; //增加本节点的贡献值

（10）return; //返回，继续侦听资源请求节点