本发明涉及一种基于深度神经网络和概率矩阵分解的混合推荐算法，步骤如下；S10、信息收集并进行预处理；S20、建立深度神经网络模型和概率矩阵分解模型；S30、根据以上三步得到融合用户和项目真实信息的潜在特征向量；S40、利用特征向量对用户进行个性化推荐。该基于深度神经网络和概率矩阵分解的混合推荐算法与现有技术相比，本发明的有益效果是：本文在前人研究的基础上，不仅充分利用了用户评分矩阵数据，同时将用户描述信息和项目描述信息利用深度神经网络进行特征提取，生成包括用户偏好特征在内的用户和项目真实特征集，再利用******后验估计对概率矩阵模型和深度神经网络生成的特征进行迭代优化处理。