本发明属于推荐系统和鲁棒性研究领域，提供了一种攻击环境下降低无用信息比重的鲁棒性推荐方法及系统。该方法包括，获取每个条目中的评论信息；对所述评论信息进行情感极性标记，标记后与对应评级分数进行比对，若两者情感极性差距超过设定的阈值，则标记为无用信息，否则，标记为真实信息；基于标记的无用信息和真实信息，采用预测推荐模型，得到每个用户或项目的特征表示；采用注意力机制学习每条评论的权重，分别结合用户或项目的特征表示，得到降低无用用户比例的推荐结果。