传统的基于项目的协同过滤算法离线计算项目相似性，提高了在线推荐速度，但该算法仍然不能解决数据稀疏性所带来的问题，计算出的项目相似性准确度较差，影响了推荐质量。针对这一问题，提出了一种结合类别偏好信息的协同过滤算法。定义了类别偏好相似性，采用类别偏好相似性方法为目标项目找出一组类别偏好相似的候选邻居，在候选邻居中搜寻最近邻，排除了与目标项目共同评分较少项目的干扰，从整体上提高了最近邻搜寻的准确性。在MovieLens数据集上进行了实验，实验结果表明，新算法的推荐质量较传统的基于项目的协同过滤算法有显著提高。