混合过滤依据的想法是，一种算法可以弥补另一种算法的缺点，多个算法的组合将比单个算法能更准确、有效地提供推荐。

使用多种推荐技术能够弥补模型中某种技术存在的缺陷。组合方法可以是以下任何一种：分别实现算法后组合推荐结果，在协同过滤中加入基于内容的过滤，在基于内容的过滤中加入协同过滤，或者，把基于内容的过滤和协同过滤整合到一个推荐系统中。

由一种推荐技术生成的内部模型用作另一种推荐技术的输入。与单个评级相比，生成的模型总是更丰富的信息。元层混合式能通过使用第一种技术学习的整个模型作为第二种技术的输入，从而解决协同过滤中的稀疏性问题。与特征递增型不同的是，特征递增式使用一个学习模型产生的某些特征作为第二种算法的输入。