随着信息技术和网络技术的发展,互联网上的信息和资源出现了爆炸性的增长。为了提高用户的有效信息获取能力,个性化推荐系统将会发挥越来越重要的作用。传统的协同过滤推荐技术往往只能利用单一视图下的用户信息,且需通过高维向量之间的运算才能够计算出对用户偏好的预测评分,需要很高的计算和存储代价。我们提出了一种基于多视图锚点图哈希技术的协同过滤推荐算法,融合了不同视图下的用户信息,并利用基于哈希学习的近似最近邻搜索技术,实现了高效、高质量的推荐结果计算。本文的主要工作有：首先,针对多视图数据,我们提出了一种利用多视图局部锚点嵌入的锚点图构建方法,实现了不同视图数据的融合,既保留了不同视图内的原始信息,又保留了视图之间的原有结构,同时得到了用户总体相似度矩阵的一个低秩近似。其次,利用构建得到的多视图锚点图,我们提出了一种多视图数据下的哈希算法,为多视图数据学习具有相似度保留特性的二进制哈希编码。此外,对于训练样本外数据点,我们也提出了一种二进制编码的快速计算方法。最后,在所提出的多视图哈希方法的基础上,我们利用二进制编码的特性以及近似最近邻搜索的方法,提出了一种快速生成查询用户的相似用户集合的方法。通过将相似用户的快速搜索与传统的基于用户协同过滤方法相结合,我们最终提出了一种基于多视图锚点图哈希技术的协同过滤推荐算法。通过在不同数据集上的实验,我们证明了所提出的推荐算法的效果。