针对电影评分中特征提取效率较低的问题，提出了与QR分解相结合的Nyström方法。首先，利用自适应方法进行采样，然后对内部矩阵进行QR分解，将分解后的矩阵与内部矩阵进行重新组合并进行特征分解。Nyström方法的近似过程与标志点选取的数量以及选取标志点的过程密切相关，选取一系列具有标志性的点来保证采样后的近似性，自适应的采样方法能够保证近似的精度。QR分解能够保证矩阵的稳定性，提高偏好特征提取的精度。偏好特征提取的精度越高，推荐系统的稳定性就会越高，推荐的精度也会提高。最后在真实的观众对电影评分的数据集上进行了特征提取的实验，该电影数据集中包含480189个用户，17770部电影，实验结果表明，提取相同数目的标志点时，该算法的精度和效率都有了一定程度的提高：相对于采样前，时间复杂度由原来的 O（ n ³）减少为 O（ nc ²）（ c<< n）；与标准的Nyström相比，误差控制在25%以下。