如今,推荐系统已成为解决信息过载问题的有力工具。最近数十年里,推荐系统主要为个体消费者提供服务并且取得了很大成功；信息技术以及社交网络迅猛发展,促使用户在网络中结成群体参与活动。群体中的成员通常具有相似的偏好,他们参与到群体活动中,并受到其他成员的影响。面向个体用户的推荐系统已经不适于向群体用户提供推荐。随着电子商务等社交网站上群体规模的不断扩大,构建推荐系统并提供面向群体的推荐服务,降低用户信息检索的时间和精力,提高检索效率的需求已变得十分重要。本文提出了一种新颖的基于优化协同过滤与中位数加权平均的群推荐方法。该方法包括混合协同过滤预测评分方法和群体用户评分集结方法。混合协同过滤预测评分方法融合了基于用户和基于项目的协同过滤预测评分,对项目评分空值进行预测。在计算项目的相似度时,使用加权平均方法融合项目的评分相似性与类型相似性作为项目的相似性。基于中位数的加权平均集结策略在集结群体中所有成员的评分时,首先采用群体中所有用户的评分中位数作为标准计算用户的评分可信度,然后使用用户评分可信度修正用户的评分频度权重作为用户最终的权重。基于中位数的加权平均集结策略综合考虑了群体用户在评分过程中的作用,消除了个别用户的预测评分差异过大带来的影响。本文采用Movielens电影评分数据集,探索了项目类型相似性权重和用户相似性权重对本文推荐算法的影响；将本文提出的混合协同过滤预测评分方法与传统预测评分方法进行比较；并将本文提出的基于中位数的加权平均集结策略与5种经典的用户评分集结策略进行对比。实验结果表明,用新方法得到的准确率均高于常用的传统方法,表明本文的方法可以有效提高群体推荐质量。