针对协同推荐技术中的数据稀疏性等问题，提出了一种新颖的协同过滤算法。该算法在用户相似的协同过滤基础之上，引入用户之间的非对称影响度和支持度，提出项目候选集的概念。并且，该算法利用项目信息熵对未评分项目集合进行二次修正，得到候选项目集合，进而提高算法的准确率。基于MovieLens和Netflix数据集的实验表明，相比目前多个比较流行的算法，该算法在推荐结果的准确率、召回率和F1值上都具有较大的优势，有效地降低了用户评分稀疏性问题带来的负面影响，显著提高了推荐系统的推荐质量。