【摘要】针对当前信息推荐系统在运行中自身存在受噪声信息影响程度大，同时用户对推荐结果评分较低的问题，引入协同过滤算法，开展对大数据中信息推荐系统的设计研究。将推荐系统中的 offline 模块、online 模块和 Data t a b l e s 模块带入到用户浏览器层和推荐响应层中实现集成；预测推荐目标用户可能感兴趣的主题信息；引入协同过滤算法，计算用户与用户之间、主题信息与主题信息之间的相似度；实现大数据中信息的过滤与推荐结果生成。通过对比实验的方式证明，新的推荐系统在运行中不会受到噪声干扰，并且推荐目标用户对于推荐结果的评分更高，推荐精度得到明显提升。