模拟现实电子商务推荐场景,设计三支交互推荐模型,提出结合流行度区间和M-distance k近邻的混合推荐算法.在"推荐""不推荐"基础上引入"促销"构成三支,以丰富系统行为、降低推荐代价;构造序贯三支人机交互,持续学习用户的消费习惯,并提供更精准的推荐;根据目标用户的消费记录,选择适当的推荐策略.在多个数据集上的实验结果表明,与其他粗糙集模型下的算法相比,该算法的平均代价更低.