网络推荐技术因有效提高用户信息选择倾向和效率而广泛应用,但也因此产生了“过滤气泡”效应,形成“信息茧房”,导致用户接收信息窄化、内容质量下降等衍生问题,对保持用户网络获取信息的广泛性、多样性形成重要冲击。实际中,网络推荐很多时候严重缺乏“随机”,进而推荐信息会对用户选择产生持续影响,另外,由于用户本身也容易形成选择偏好,进而造成用户选择错误或异常偏好。网络推荐常会导致用户获取信息偏执或缺少多样性,因此研究相关内容对用户选择的影响是很有必要的。本文以典型网络推荐算法为依托,通过研究推荐算法及其优化策略,研究其对用户选择倾向的影响。主要工作如下:（1）通过对网络推荐技术发展历程的调查和分析,明确网络推荐算法导致网络用户信息获取的多样性变差,对用户选择行为产生重要“影响”,结合传播与管理学科中对“信息窄化”问题的研究,明确了这种“影响”直接体现为用户选择倾向性变化。（2）研究网络用户的具体信息选择行为,运用信息熵理论,验证了网络推荐中用户选择的多样性情况,并对上述“影响”进行了分析,具体的,基于Slim推荐算法,研究用户个体选择倾向性变化。（3）改进优化了典型Slim推荐算法,并通过覆盖率、流行度等指标衡量不同优化场景下,改进算法对用户选择多样性的影响,并通过实验验证和分析了影响的具体变化情况。本文依托Slim推荐算法及其改进,在特定场景下,实现了对推荐算法不利影响的抑制。论文最后还总结了网络推荐会进一步导致群体认知偏执现象,对后续可能工作方向进行了展望。