针对基于邻近关系的协同过滤算法在线推荐效率低的问题，提出了一种可离线训练评分预测模型的算法。通过聚类算法降低用户-项目评分矩阵中用户向量和项目向量的维数，并对数据进行转换使其适用于监督模型；利用转换后的数据离线训练随机森林模型，在线推荐时只需根据随机森林模型的规则进行评分预测，无需查找最邻近用户或项目。实验结果表明，该算法在不降低评分预测精度的情况下，在线推荐效率远高于基于邻近关系的协同过滤算法。