协同过滤算法以其出色的计算速度和健壮性，在全球范围内特别是在互联网领域中取得了巨大成功。文章介绍了基于物品的协同过滤算法的基本思想和实现步骤，以及应用于实际图书推荐项目中的效果和产生的问题。基于物品的协同过滤算法的基本原理是和某用户历史上感兴趣的物品，越相似的物品，越有可能在用户的推荐列表中获得比较高的排名。算法的基本步骤为收集用户偏好，计算物品之间的相似度，计算用户对某一个物品的兴趣度。文章中介绍的系统在实际应用中效果良好。今后该系统的升级版将重点研究如何解决算法的稀疏性以及如何提高图书推荐质量的问题。