【摘要】文章针对目前推荐算法中的数据稀疏性问题,基于商品类别属性和用户评分矩阵,建立了一种混合推荐算法。首先基于用户的购买行为和商品属性特征,利用高斯模型构建了商品类型偏好模型。然后基于用户的评分矩阵,利用矩阵分解建立用户对未评分商品的偏好预测模型。最后融合用户商品类型偏好和商品偏好,产生推荐结果。实验结果表明,与其他解决数据稀疏性的推荐算法相比,提出的算法不但可以显著的提高推荐精度,且可以有效的减少候选商品数量,提高计算效率。