针对传统网络混合式信息推荐满意度和精度低的问题，提出了基于个性化自适应的网络混合式信息推荐。首先采用模块化矩阵对子因素序列进行模块化处理，计算出每一个子因素序列对应的关联系数均值，利用耦合度函数研究网络混合式信息之间的耦合关系，完成网络混合式信息的模块化处理。然后通过判断网络混合式信息的权重值是否高于提前设定好的门限值，计算网络混合式信息的权重，通过定义网络混合式信息之间的相似度，得到信息集中网络混合式信息的相似度分布情况; 利用个性化自适应学习改进了网络混合式信息的兴趣取向，通过计算用户的偏好相似度，设计网络混合式信息推荐算法，实现网络混合式信息的推荐。实验结果表明，所设计方法在网络混合式信息推荐的准确率、召回率和覆盖率上分别提高了 3. 91% 、3. 45% 和 4. 84% ，使网络混合式信息的推荐性能明显提高。
