本发明公开了一种基于协同过滤的通用物品推荐方法，该方法利用基于用户的协同过滤方法，通过欧几里得距离计算用户之间的相似度，得到相似用户集并进一步得出不同用户的候选推荐集；之后再通过对用户初始感兴趣物品属性的分类和特征赋值，计算出候选推荐集的推荐分数，从而得到一种适用性和鲁棒性较强的推荐结果，帮助用户更方便的获取感兴趣的内容。相比于传统的基于人口统计学和基于内容的推荐方法相比，本发明更为注重了用户之间的个体差异性，通过分析用户的历史行为数据，挖掘用户的兴趣进行推荐；因此，推荐结果因人而异，更多的考虑了用户的个人喜好，也可以针对不同的推荐场景定制不同的方法参数。