随着互联网信息技术的迅速发展,“信息过载”问题越来越严重。为了帮助用户快速地找到自己感兴趣的产品,进而就产生了推荐系统。而作为推荐系统的核心部分,推荐算法也就成为了人们研究的热点之一。但是作为一个好的推荐系统,不仅要能够为用户推荐其感兴趣的产品而且还要考虑到产品的流行度会随时间的推移而变化。因此为了有效解决在推荐过程中产品流行度随时间变化的问题,研究考虑时间因素的推荐算法就十分重要。本文针对基于项目的协同过滤推荐算法,引入时间因素。针对不同项目在不同时间的流行度不同,在推荐中考虑项目在推荐时间的流行度。首先定义了时间窗和项目在任意时间窗的流行度;然后利用时间序列预测模型预测项目在推荐时间窗的流行度;再引入融合因子,采用线性加权的方法将传统的基于项目的协同过滤推荐算法和项目流行度相融合;最终提出了融合项目流行度的协同过滤推荐算法。这种引入时间因素的推荐算法,充分考虑了项目在推荐时间窗的流行度。特别是当有新用户加入系统,无法获得用户的历史行为数据时,该推荐算法就将按流行度较高的项目进行推荐,也不会造成推荐结果的滞后性。针对本文提出的融合项目流行度的协同过滤推荐算法,选取电影评分数据作为数据集。采用时间窗迭代法对融合算法进行验证并与传统算法进行对比实验,通过实验得出融合因子的最佳取值为0.12,本文提出的融合算法与传统算法相比推荐效果更好,该算法优于传统算法。