推荐系统是电子商务应用中最重要的技术之一。推荐系统是根据用户以往的购买或评分记录，根据推荐算法，向用户推荐其他产品的一种实用系统。各国的研究者们为了使得算法产生精确的推荐，保证推荐系统的实时性要求，提出了各种不同的推荐算法，如：协作过滤技术，Bayesian网络技术，聚类技术，关联规则技术以及基于图的Horting图技术等。其中，协作式过滤是至今最成功的推荐技术，而它又分为基于用户的协作推荐和基于项目的协作推荐。本文首先介绍了基于协作过滤的推荐算法的理论基础，从两个不同的考察角度(基于用户和基于项目)对协作过滤算法进行了分析。然后基于多示例学习算法中“参考”与“引用”的概念，提出了一种改进的结合K最近邻居和K逆最近邻居的协作过滤算法。改进算法是一种基于项目的协作过滤算法，它通过计算项目的相似性，得出最近的K个邻居，然后找出K逆最近邻居矩阵，综合考虑K近邻和K逆近邻的因素，从而解决了以往协作过滤算法扩展性差和推荐信息量不足的缺点。实验结果表明，在高维数据集的大量实验中，证明了本文提出的改进的协作过滤算法在推荐质量方面优于以往算法。