本发明公开了一种基于隐特征和评分的物品推荐算法，包括：对输入数据进行处理，提取用户评分数据，构建用户‑物品评分矩阵；引入活跃度惩罚因子，计算协同过滤算法的相似度；引入时间因素和惩罚因子惩罚活跃用户，计算基于时间权重的皮尔逊相似度；基于引入的一个物品流行度权重因子，采用指数函数代替两个物品间的流行度差异融入皮尔逊相似度计算中；利用两个相似度的加权和作为最终的相似度，并从大到小排序，得到和物品最相似的前k个物品构成相似物品集合；引入一个时间权重函数，计算用户对未评物品的预测兴趣度并进行排序，把前N个物品推荐给用户。本发明可实现个性化推荐，提高推荐的准确性和用户的使用体验。