传统基于用户的协同过滤推荐算法在计算用户之间的相似度时只考虑了用户的评分，而忽略了不同项目之间的差异。针对传统方法在数据稀疏情况下表现不理想的缺点，提出了结合项目标签信息针对每个目标项为用户选择邻居的协同过滤推荐算法。算法首先基于用户评分矩阵确定最初的近邻，为每个目标项计算目标用户的邻居；当对目标项目评分的近邻数量极小或没有时，则考虑增加由标签信息拓展的近邻；最后根据近邻为目标项目预测评分。实验结果表明，该算法提高了相似性计算的准确性，有效地缓解了用户评分数据稀疏的问题，并提高了预测的准确性。