协同过滤推荐系统的近邻选择环节中不仅没有考虑目标项目对用户间相似性计算的影响，而且也未考虑邻居用户对目标用户的推荐贡献能力，导致既降低了相似性计算的准确性，也提高了近邻集合中伪近邻的比例。针对这些问题，提出了一种基于熵优化近邻选择的协同过滤推荐算法。算法使用巴氏系数计算项目间相似性，并以此为权重加权计算用户间相似性。引入熵描述用户评分分布特性，根据评分分布差异性衡量邻居用户的推荐贡献能力。最后，利用双重准则共同计算推荐权重，并构建近邻集合。实验结果表明，该算法能够在不牺牲时间复杂度的条件下准确地选取近邻集合，提升推荐准确度。