Uno de los sistemas de recomendación más prevalentes es el filtrado colaborativo orientado al ranking que emplea la agregación de clasificaciones. El estudio de filtrado colaborativo recientemente aplicó la agregación de clasificaciones que considera el punto de peso de los elementos para lograr un ranking recomendado más preciso. Sin embargo, este algoritmo sufre en el tiempo de ejecución con un aumento en el número de elementos. Por lo tanto, este estudio propone un nuevo algoritmo de recomendación que combina el método de descomposición de matrices y la agregación de clasificaciones para reducir la complejidad temporal. El método de descomposición de matrices utiliza el valor de descomposición singular (SVD) para predecir los elementos no calificados. El método de agregación de clasificaciones aplica el rango de puntos de peso (WPR) para obtener los elementos recomendados. Los resultados experimentales con el conjunto de datos de MovieLens 100K resultan en un tiempo de ejecución más rápido de 13.502 s. Además, la puntuación de ganancia acumulada descontada normalizada (NDCG) aumentó en un 27.11% en comparación con el algoritmo WP-Rank.