En la era actual del comercio electrónico, los usuarios se sienten abrumados por la gran cantidad de productos, lo que dificulta encontrar artículos relevantes. Los sistemas de recomendación generan sugerencias basadas en las preferencias del usuario, para evitar la sobrecarga de información. El filtrado colaborativo es un modelo ampliamente utilizado en los sistemas de recomendación modernos. A pesar de su popularidad, el filtrado colaborativo tiene limitaciones que los investigadores buscan superar. En este documento, mejoramos el algoritmo de filtrado colaborativo basado en K-vecinos más cercanos (KNN) para un sistema de recomendación, considerando la similitud de la cognición del usuario. Esta mejora tiene como objetivo mejorar la precisión en la agrupación de usuarios y generar recomendaciones más relevantes para el usuario activo. Los resultados experimentales mostraron que el modelo propuesto superó a los modelos de referencia, en términos de métricas de MAE, RMSE, MAP y NDCG.