摘要：[目的/意义]为缓解信息过载问题,本文提出一种基于时间和自适应TOP-N的图书推荐算法--RTAT(Book recommendation based on Rating and Time and Adaptive Top-N Algorithm),能够对用户邻居群体进行更为准确地划分,对提高图书推荐系统服务质量具有重大意义。[方法/过程]TOP-N算法是推荐系统中的一个关键算法,然而传统TOP-N算法在对图书用户进行邻居选取时并未考虑邻居间的相互性。本文就传统TOP-N算法进行改进--在进行近邻选取时,将相互性作为一个重要筛选条件,利用近邻集对用户进行图书推荐。[结果/结论]对真实图书评分数据进行算法检验的结果表明,在考虑时间因素下,RTAT算法的图书推荐系统的准确率为87.2%,相较于传统TOP-N算法提高了10.8%。RTAT算法能够获取更为合理的邻居关系,并达到提升推荐系统性能的目的。