在現行的 Web 站點上的推薦往往都不是單純只採用了某一種推薦的機制和策略，他們往往是將多個方法混合在一起，從而達到更好的推薦效果。關於如何組合各個推薦機制，這裏講幾種比較流行的組合方法。
- 加權的混合（Weighted Hybridization）: 用線性公式（linear formula）將幾種不同的推薦按照一定權重組合起來，具體權重的值需要在測試數據集上反覆實驗，從而達到最好的推薦效果。
- 切換的混合（Switching Hybridization）：前面也講到，其實對於不同的情況（數據量，系統運行狀況，用戶和物品的數目等），推薦策略可能有很大的不同，那麼切換的混合方式，就是允許在不同的情況下，選擇最爲合適的推薦機制計算推薦。
- 分區的混合（Mixed Hybridization）：採用多種推薦機制，並將不同的推薦結果分不同的區顯示給用戶。其實，Amazon，噹噹網等很多電子商務網站都是採用這樣的方式，用戶可以得到很全面的推薦，也更容易找到他們想要的東西。
- 分層的混合（Meta-Level Hybridization）: 採用多種推薦機制，並將一個推薦機制的結果作爲另一個的輸入，從而綜合各個推薦機制的優缺點，得到更加準確的推薦。