本发明公开了一种基于训练集优化的推荐系统的动态推荐方法，该方法具体为：步骤(1)建立初步推荐模型部分：根据原始的用户评分数据生成最初的推荐模型；步骤(2)AdaBoost训练：通过多次迭代学习训练数据，利用最初的推荐模型作为分类判定的依据并进行数据的分类和调整样本的学习次数；步骤(3)筛选错误样本：把经过多轮的AdaBoost训练之后被选定为难样本的数据当作错误样本去除从而构建出新训练数据集合；步骤(4)重构推荐模型：以新的训练数据为基础，结合训练结果重新生成推荐模型；步骤(5)产生推荐结果：利用新的推荐模型产生推荐结果。本发明能够利用原始训练数据集在内容上很大的相关性，排除一些在推荐服务中没有参考意义的数据，提高训练数据的有效性和最终推荐模型的精度。