提出了一种最大化参数变化的主动采样方法,可快速捕捉推荐系统中新用户的兴趣偏好.该方法在纯奇异值分解(PureSVD)模型的基础上,选取最大化模型参数变化的样本,然后向新用户查询样本物品的评分.得到的评分用来训练用户的纯奇异值分解模型参数,进而提供推荐列表.基于贪婪法提出了一种快速的近似采样算法,能在可接受的时间内得到采样列表.实验结果证明,在Movielens数据集上,该方法能在Top-N的标准下使用较小的样本,有效地提高了学习新用户偏好的效率.