本发明公开了一种基于多层次注意力机制和场感知分解机的推荐方法，包括以下步骤：S1对样本的特征分域处理；S2将域内所有特征的值乘以特征对应的隐向量集，将特征的表示向量集输入到域内注意力神经网络中，进行加权求和；S3不同域的表示向量集之间作二阶交互，输入到域间注意力神经网络中，进行加权求和，得到输出值；S4使用训练集数据对前馈神经网络进行训练；S5使对候选集中所有物品，利用步骤S1和S2，得到物品域的表示向量；S6获取用户和上下文特征，计算其域的表示向量，与步骤S5的表示向量拼接，输入前馈神经网络中，得到预测点击率，向用户推荐排名靠前的物品。本发明使用的多层级注意力机制，有效提升模型的精度。