【目的】在個性化推薦中,考慮物品質量和用戶評分傾向性對用戶打分的影響,提高推薦效果。【方法】提出一種改進的協同過濾推薦算法:利用物品質量評估算法實現了用戶評分修正,可以改進查找與用戶興趣相似的最近鄰過程,并在此基礎上進行推薦。【結果】利用MovieLens數據集進行測試,與傳統協同過濾算法相比,改進算法的MAE提高4.7%;與其他幾種改進算法相比,精確度均有不同程度的提高。【局限】只關注現有的評分修正,并沒有考慮用戶的興趣漂移,在一定程度上影響推薦效果。【結論】本文提出的算法推薦結果更加精確,有效地減少了物品質量和用戶評分傾向性對推薦結果的影響,提高了推薦質量。