推荐引擎是信息服务的一项重要内容，为了提高推荐算法的准确性，本文在推荐场景中尝试使用奇异值分解算法（SVD），并引入差分矩阵对其进行改进，通过爬取网络中的真实数据，并对爬取的数据进行预处理，使用Python语言对协同过滤、k-means聚类、传统奇异值分解以及改进后的奇异值分解4种算法在推进场景中的运用进行仿真实现，采用控制变量的方式，以平均绝对误差（MAE）作为推荐准确性的度量标准，对不同算法的准确性进行比较、分析，最终得出4种算法准确性上的差异。