在推荐算法的研究中,如何准确地为用户推荐其感兴趣的物品一直是研究的重点,基于邻域用户的协同过滤算法是常用的一种推荐算法。本文提出一种基于深度随机游走的协同过滤推荐算法,通过用户的历史行为信息计算用户的嵌入向量,以此准确地计算用户之间的相似度,从而精确地为用户推荐其感兴趣的物品。通过实验对比了本文提出的方法和传统用户协同过滤算法在MovieLen-1M数据集上的预测精度。结果表明,本文的方法在召回率上优于传统的协同过滤算法。