本发明提供了一种基于半监督因子分解机的物品推荐方法。该方法包括：构建"用户-物品-行为"三元组集合，抽取用户边特征集合和物品边特征集合，进而得到标记样本集合；通过有放回采样，得到两组“训练集-验证集”划分；对两个训练集独立运用因子分解机，得到两个推荐模型；每个推荐模型标记一些未标记样本，交给对侧推荐模型；利用验证集对伪标记样本进行置信度评估，并依据评估结果更新模型参数和扩充训练集；重复该过程,直至收敛；线性融合两个更新后的推荐模型，用于线上物品推荐。本发明联合使用边信息与未标记数据，既提升了标记数据样本的信息量，也扩充了训练样本数量，从而有效缓解了数据稀疏性问题，达到提升推荐系统性能的目的。