本发明公开了一种基于BP神经网络评分预测误差的近邻用户选择方法，具体步骤如下：确定需要引入的k种物品属性特征，初始化每个物品的属性特征向量；利用BP神经网络为每个用户构建关于物品属性特征向量的评分预测模型；为每个用户筛选近邻用户：利用每个候选近邻用户的评分预测模型对当前用户的历史评价物品进行评分预测，统计每个候选近邻用户对目标用户的历史评价物品的整体预测误差Eu,v，那么候选近邻用户v与当前用户u的相似度为sim(u,v)＝1/(1+Eu,v)，最后为当前用户u选择相似度最高的前k个用户。本发明缓解了在稀疏评分矩阵下用户共同评价项目较少无法较好地描述用户间兴趣偏好相似性的问题，从而提高评分预测准确性。