1.一种基于层次化物品协同过滤推荐方法，其特征在于包括如下步骤：

10.收集用户和物品的行为数据以及物品的元数据；

20.对收集的行为数据和元数据进行建模并计算物品相似度；

30.基于层次化物品协同过滤的推荐；

所述的步骤10包括：

101.收集所有用户的行为数据 U＝{u1,u2,...,u|U|}为所有u

用户的集合，用户u∈U的历史行为数据为H ＝{(i1,t1),(i2,t2),…,(im,tm)}，I＝{i1,i2,...,i|M|}为所有物品的集合；

102.收集集合I中所有物品的元数据M，包括类别、属性和标签；

所述的步骤20包括：

201.将每个用户的行为数据按照时间分别划分为不同的会话，时间接近的行为数据被划分为一个会话；以用户u∈U为例，其历史行为数据根据时间划分为用户u的第n个会话定义为

202.根据上述数据分别构建物品‑用户索引表、物品‑会话索引表和物品‑元数据索引表，分别表示用户和物品的交互关系、物品和会话的归属关系以及物品和元数据的包含关系；

203.根据用户的行为数据以及物品的元数据，计算物品之间的相似度，其计算公式为：sim(i,j)＝α·simu(i,j)+β·sims(i,j)+γ·simm(i,j)其中，i,j∈I，α、β和γ是对应相似度的权重；

是物品在用户层的相似度，Ui和Uj是分别与物品i和j的有交互行为的用户集合，根据物品‑用户索引表获得，|U|是集合U的大小；

是物品在用户层的相似度，Si和Sj是分别包含物品i和j的会话集合，根据物品‑会话索引表获得；

是物品在用户层的相似度，Mi和Mj是分别是物品i和j的元数据集合，根据物品‑元数据索引表获得；

所述的步骤30包括：

301.根据用户的行为数据以及物品的相似度，计算目标用户u对物品i的兴趣，其计算公式如下：

其中，Ii,k是和i最相似的k个物品的集合；Iu是用户u交互过的物品集合；

302.利用上述公式对所有物品进行排序，把前n个物品推荐给目标用户u。