融合元数据的协同过滤推荐即混合推荐算法是目前推荐系统领域研究的热点，能一定程度地解决数据稀疏及冷启动等问题。但融合元数据现有的建模方法大多数建立于用户/项目属性权重相同的情景下，以致于用户项目间重点关系表达不显著，难以获得较好的推荐性能。针对上述问题，提出一种融合元数据及Attention机制的深度联合学习推荐方法。它利用双深度网络联合学习，其中一个网络基于隐反馈数据实现矩阵非线性分解以学习用户/项目个性化关系，另一个利用Attention机制自动捕捉用户/项目关键属性对推荐工作的影响，通过赋予不同属性权重凸显的用户偏好关系建模辅以扩展模型。实验结果表明，所提出的推荐算法在MovieLens 100K和MovieLens 1M两个公开数据集上均表现出较为优越的推荐性能。