本研究提出了一种新的多准则推荐方法CA-GF，通过准则感知图过滤，解决了传统协同过滤在处理多个评分时的性能问题。该方法无需训练，显著提高了推荐准确性，尤其在挑战性基准数据集上，准确率提升可达24%。