本发明公开了基于语义网和簇偏好的冷链物流推荐方法及装置，首先对用户、车源和历史订单信息进行数据清洗和整理，按照其原有结构构建冷链物流知识图谱；接着使用知识表示的TransR算法将知识图谱的实体和关系嵌入到低维向量，并计算用户间的语义相似度；再利用社区发现算法对用户进行聚类获得用户簇；然后根据聚类结果构建用户簇偏好矩阵和偏好子图，利用余弦相似度计算出用户簇和各用户对应的相似度，取最相似的TopN为邻近集，依据邻近集中用户对车源的评分预测出用户簇对车源的评分，按降序排列得到评分推荐列表，同时计算用户簇偏好子图中车源实体和其他车源实体的相似度，按降序排列得到语义推荐列表；最后取语义推荐列表和评分推荐列表的交集作为最终推荐列表。该方法充分利用语义网的语义关系，深层次地挖掘用户兴趣，并利用用户簇偏好进行推荐，可以有效应对一车多单的情况，增加车辆满载率。