本发明公开一种基于半离散矩阵分解的物品推荐方法。该方法包括：构建 用户‑物品评分矩阵R，根据用户‑物品评分矩阵R训练矩阵分解模型，获得用户的实值特征矩阵P和物品的实值特征矩阵Q；根据P对用户独立执行聚类分析，获得用户的锚点特征矩阵E，根据Q对物品独立执行聚类分析，获得物品的锚点特征矩阵F；根据R、P、Q、E、F训练半离散矩阵分解模型，获得用户的二值编码矩阵B和物品的二值编码矩阵D；根据B和D还原评分矩阵根据R将中已观测评分位置的预估值置0，根据将预测分值最高的前设定数量个物品推荐给相应用户。本发明方法综合运用“点级”平滑和“组级”平滑技巧，有效弥补了离散矩阵分解模型编码损失较大的缺点，并大幅度提升了推荐精度。