本发明涉及一种基于深度学习的面向隐式反馈的推荐算法，选择隐式数据作为训练数据；根据用户-项目交互矩阵通过变分自动编码机的方式得到用户和项目的特征向量；将用户和项目的特征向量进行向量乘法得到新向量A；将用户和项目的特征向量镶嵌组成新向量D，将D输入多层深度神经网络结构模型的输入层继而得到输入层的输出向量E；将向量A和向量E的镶嵌结果输入隐藏层继续训练，得到新的模型参数，同时将隐含层的输出输入输出层，得到最终预测结果；将需要预测的数据放入已经训练好的神经网络结构模型中，得到预测结果。本发明解决了推荐结果不会出现人为导致的偏差的问题，需要的数据相对较好获得，简单易行，硬件要求低，时间消耗少。