針對(duì)當(dāng)前協(xié)同過濾推薦算法易受數(shù)據(jù)稀疏性與冷啟動(dòng)的問題，提出了一種改進(jìn)最近鄰的協(xié)同過濾推薦算法。建立用戶-項(xiàng)目評(píng)分矩陣，并度量項(xiàng)目之間、用戶之間的相似性，獲取項(xiàng)目和用戶的最近鄰居，其中最近鄰居的最優(yōu)參數(shù)k值采用粒子群算法選擇，在MovieLens和Book-Crossing數(shù)據(jù)集上進(jìn)行了仿真對(duì)比實(shí)驗(yàn)。結(jié)果表明，相對(duì)于其他協(xié)同過濾推薦算法，該算法降低了平均絕對(duì)誤差值，提升了推薦準(zhǔn)確度，達(dá)到提高推薦質(zhì)量效果的目的。