本发明提出了基于无偏数据和元学习的推荐系统转化率预测方法及系统，涉及推荐系统转化率预测技术领域。包括获取有偏数据集和无偏数据集；对UMEDR模型进行训练：使用无偏数据集对填充预测模型、倾向预测模型进行训练，并分别得到无偏的填充误差和用户倾向；基于有偏数据集、无偏的填充误差和用户倾向，使用元学习方法，对转化率预测模型进行训练；基于训练好的转化率预测模型，实现推荐系统中用户点击物品后进行消费的转化率预测。本发明通过无偏数据集辅助倾向预测模型和填充预测模型去偏参数的训练，提高倾向预测模型和填充预测模型的预测精度，使用元学习方法对模型进行训练，缓解了由于数据稀疏而导致的模型预测精度差的问题。