推荐系统可以有效地辅助用户在繁杂庞大的线上信息系统中定位自己所感兴趣的情报信息。然而,过滤气泡的担忧在近些年屡被提及,即推荐系统总是向目标用户推荐有限的信息,进而有窄化用户信息暴露的风险。基于协同过滤,判断信息过滤系统是否存在过滤气泡的效应,针对过滤气泡效应提出相似度惩罚算法。在为一个目标用户生成推荐列表时,相似度惩罚算法采用迭代方式。每一次的迭代中,算法只确认一个得分最高的产品作为推荐,而其他所有候选产品的得分将受到其与已被推荐产品之间相似度的惩罚。这种迭代延续至目标数量的推荐列表生成为止。实验表明,相似度惩罚算法可以显著改善过滤气泡效应,并同时提升推荐的准确性。