为解决传统交叉算子机械交换基因片段引入过度随机性，导致生成无效重构的问题，本文提出了一种基于自适应交叉算子的重构推荐方法RefCross。首先，通过源代码分析工具解析Java项目并构建代码结构模型获取代码度量信息。其次，设计适应度函数并基于度量信息计算适应度值，引导交叉算子的优化方向。在此基础上，构建基于特征匹配的父代分类机制并制定交叉策略，结合共同基因保留、差异基因自适应选择及精英基因强化机制，生成兼顾优质特征继承与解空间多样性的子代重构序列，降低无效重构生成概率。在6个开源项目上的实验结果表明，与现有方法相比，RefCross在精确率、召回率和 F1 值指标上均取得更优表现，其平均F1分数达到77.82%，较基线方法提升9.10%。该方法能够有效提升重构推荐的有效性与准确性，为自动化重构决策提供支持。