在信息化高度发展的今天,如何快速高效的让人们获取自己想要的信息已然成为互联网领域的一大挑战,推荐系统的诞生在很大程度上能够很好地解决当前信息过载问题。混合推荐是推荐系统中的一种,目前其主要问题体现在自适应和个性化推荐能力不足,整体化的混合推荐并不能较好发挥个别推荐技术在针对某个用户和特定物品进行推荐时的推荐优势,且推荐准确率还有待进一步提高。本文基于Mahout推荐相关API,依据作者所设计的基于权重的混合推荐策略,实现了该策略下的混合推荐,解决了混合推荐的主要不足和核心问题,突出了混合推荐中个性化自适应推荐优势,满足了不用用户和不同对象对各类推荐技术的自适应选择要求,提高了混合推荐的准确度。该策略主要创新点包括：第一,运用了误差预测反推准确率的思想,通过权重的增益处理和归一化运算,调整了不同推荐技术在混合推荐中的影响力度；第二,使用选择性加权平均方法来进行混合推荐,有效避免了一般权重混合推荐中预测结果介值性问题；第三,经济学中经济预测领域中提到了组合预测,本混合推荐策略中的权重计算,结合了组合预测中结果组合类型下的一种方法,即权重确定的数理统计法中的优势矩阵法；第四,提出将误差预测结果进过一定处理后,与对应单一推荐技术下的预测结果合并加权最终得到最后的预测结果。最后实验证明,本文提出的混合推荐策略能够提高混合推荐的准确性。期望本文所做工作能够为混合推荐系统的进一步研究提供更多的参考。