为进一步提高基于多准则评分的推荐算法的推荐性能,着重分析已有的2种多准则推荐算法(基于张量分解的推荐算法和基于聚类与降维的模糊推理系统推荐算法).基于这2种算法在目标数据集上的运行结果,提出了基于矩阵分解与随机森林的多准则推荐算法.该算法分两步实现:首先通过矩阵分解训练得到用户对物品在各个准则上的评分特征,然后采用随机森林算法学习评分特征预测最终评分.实验结果显示:相较传统的多准则推荐算法,基于矩阵分解与随机森林的多准则推荐算法具有更高的准确性和实用价值.