本发明提出了一种基于相似性和相似性可信度的协同过滤推荐算法及装置，该算法在概率矩阵分解模型的基础上，通过相似性关系约束潜在特征向量的夹角余弦，并通过相似性可信度影响约束权重。由于相似性可信度的约束，该算法有效减弱了评分稀疏性问题对相似性关系的影响，强化了模型对重要相似性关系的学习能力，从而缓解了评分稀疏性问题。相关实验表明该算法的推荐效果明显优于当前其它同类算法。接下来的工作就是将此算法运用于实际的推荐系统中，弥补传统推荐系统在实际应用中的数据稀疏性问题及其带来的推荐效果不佳的问题。