为了缓解协同过滤（CF）的稀疏性问题，提高推荐系统的准确性，通过分析dianping.com网站的标签信息，提出了一种基于改进CF的餐厅推荐系统（RRS）。 首先，采用均值居中对评分进行预处理，以减少因不同的个人习惯而引起的错误。 其次，根据餐厅的特点和用户评价，提出了一种改进的零填充方法，以减轻用户餐厅矩阵的稀疏性。 然后，在计算用户权重时，考虑用户偏好和用户信任度的相似性，可以提高推荐系统的准确性。 最后，在真实数据集中进行了实验，实验结果表明，所提出的方法比现有方法具有更高的精度。