针对传统的协同过滤算法中广泛存在的冷启动问题,提出一种基于项目属性的推荐算法CFAFN(Collaborative　Filtering　based　on　Attributes-Filling　and　the　Number　of　rating　for　items).通过对新用户的询问,个性化推荐系统将获取新用户对项目属性的偏好信息.此外,对项目属性评分矩阵进行填充,以降低项目属性评分矩阵的稀疏性.在生成最终推荐信息之前,引入项目被评分数量的影响,进一步调整项目的预测评分,提高个性化推荐的推荐精度.通过MovieLens数据集测试表明,该算法的推荐精度得到提升,优于一些新近提出的冷启动推荐算法.