本发明提供一种基于用户画像行为分析的游戏推荐方法及系统。通过构建特征采集器，对用户画像数据、应用列表数据、客户端上报的数据进行处理，获得规范化且符合数学建模要求的特征向量。利用多个基础推荐模型进行预测，生成初步的用户应用推荐列表及相应下载概率；结合下载概率及实际标签训练融合模型，生成最终的应用推荐列表。通过对用户历史行为日志的多维度分析，进行特征提取构建用户画像数据仓库。对于基础推荐模型，创新性地引入长短期记忆网络学习用户行为的时序关系，更好地刻画用户对物品的喜好程度，所推荐游戏应用与用户的需求匹配度高。加入集成学习进行模型融合，整合各个模型的学习结果，提高推荐算法的稳定性和泛化能力。