在众多的个性化推荐技术中，协同过滤推荐技术是电子商务推荐系统中应用最成功的推荐技术之一。传统的协同推荐过滤算法存在数据稀疏性，冷启动以及推荐的精确和实时性等问题，对于这些存在的问题，大量的国内外学者提出了多种解决方案，并在一定程度上获得了相对理想的效果。而协同过滤算法还在存在于计算用户相似度时用户之间在项目集合内对所有项目的评分尺度差异被忽略的问题，尽管目前提出的修正的余弦相似度算法和皮尔逊相似度算法在一定程度上该问题有改善，但是用户之间对项目的单条评分尺度差异问题依旧存在，当两个用户对一个共同

个性化推荐系统能够比较有效的解决我们获取信息时遇到的信息过载问题，发展至今产生了许多经典的推荐算法，其中最成熟应用最为广泛的是协同过滤算法。相似度的准确计算在协同过滤算法中起到了非常重要的作用，为了进一步提高推荐系统的推荐准确率，本文对相似度计算方法进行了研究。通过项目相似度和评分差异性对计算结果影响的大小，计算时给予不同的权重，并在MovieLens上对推荐结果进行预测，试验结果显示，MAE值降低了2.5%，优化后的相似度计算方法可以提高个性化推荐系统的推荐准确率。