协同过滤算法是网商智能推荐系统中广泛应用的推荐算法,其存在的数据稀疏性问题严重影响推荐的精准度。针对这个问题,本文提出了基于因果聚类和模糊相似关系的协同过滤推荐算法,基于因果聚类的协同过滤推荐算法通过对用户—项目的评分、收藏、特征值等建立矩阵来计算它们之间的相似度,矩阵的建立是基于项目、用户特征值具有因果关联性和相似性;基于模糊相似关系的协同过滤推荐算法通过项目、用户的加权特征法构建三角模糊数来计算相似度和根据模糊相似矩阵及最佳阈值法来得到连通图截集,从而实现精准、个性化推荐。实验结果表明,这两种算法都能够有效提高相似度计算精度,解决数据稀疏性问题,从而提高推荐的精准度和个性化。且随着最近邻数量的增加,基于模糊相似关系的协同过滤推荐算法精准度略高于基于因果聚类的协同过滤推荐算法。