Las redes sociales basadas en eventos (EBSNs) son ricas en información sobre usuarios y eventos de ocio. La disposición de los usuarios a participar en eventos de ocio está influenciada por muchos factores como la hora del evento, la ubicación, el contenido, el organizador y los factores de relación social de los usuarios. Los sistemas de recomendación de eventos en EBSNs pueden ayudar a los organizadores de eventos de ocio a encontrar con precisión a los usuarios que desean participar en eventos. Sin embargo, para abordar los problemas existentes de inicio en frío y mejorar la precisión de las recomendaciones de eventos, proponemos un modelo de recomendación de eventos de ocio basado en múltiples características (MFM). Introducimos los contactos sociales del usuario en las características de preferencia del usuario y construimos un espacio de características del usuario integrando las características de las preferencias del usuario para eventos y organizadores y las preferencias de los amigos más cercanos del usuario. Además, considerando las diferencias de comportamiento entre usuarios activos e inactivos, extraímos las características respectivas y entrenamos los modelos de peso de características. Finalmente, los resultados experimentales mostraron que en comparación con los modelos base, la precisión del MFM es mayor en al menos un 7.9%.