針對當前協同過濾推薦算法易受數據稀疏性與冷啟動的問題，提出了一種改進最近鄰的協同過濾推薦算法。建立用戶-項目評分矩陣，并度量項目之間、用戶之間的相似性，獲取項目和用戶的最近鄰居，其中最近鄰居的最優參數k值采用粒子群算法選擇，在MovieLens和Book-Crossing數據集上進行了仿真對比實驗。結果表明，相對于其他協同過濾推薦算法，該算法降低了平均絕對誤差值，提升了推薦準確度，達到提高推薦質量效果的目的。