互联网时代所产生的海量信息使用户难以找到自己感兴趣的内容，如何进行准确且个性化的信息过滤成为广泛探讨并且亟待解决的问题。从经典的热传导算法出发，考虑产品流行度对用户选择兴趣偏好的影响，提出非平衡热传导推荐算法，并且通过引入可调参数λ，对产品流行度的影响程度进行控制。结果表明，在最优值λopt时，对于MovieLens系统，准确率与召回率分别提高了228.2%和228.4%；而对于Amazon系统，准确率与召回率分别提高了162.7%和162.8%。该算法提高了推荐的效果，表明流行度在用户作选择的过程中起到了重要作用。