为解决传统协同过滤算法中用户评分数据稀疏性，忽视物品及用户特征，所带来的推荐质量下降的问题，提出了一种基于安全的、高置信度的半监督方法的协同过滤推荐算法，采用安全的，高置信度的半监督方法S4VM对没有评分的数据进行有效预测，同时考虑用户的行为信息以及物品及用户特征。通过对未评分数据进行预测，能够有效地缓解数据的稀疏性，从而提高寻找最近邻的准确度。实验结果表明，该算法能够有效地提高系统的推荐质量。