摘要：传统协同过滤算法基于矩阵因式分解,仅使用全局评分优化来预测用户对于未知物品的评分,不能单独对用户进行感兴趣点的排序,造成推荐效果不理想。围绕个性化知识推荐热点问题,提出一种全新的混合贝叶斯个性化排序与内容的推荐算法,贝叶斯个性化排序算法(BPR)使用三元组训练集进行训练,最终达到收敛;基于内容推荐算法对推荐结果进行部分纠正;通过计算用户匹配分值,根据相似度进行处理增强和减弱处理,最终得到混合推荐列表。