随着现代科技的飞速发展及计算机网络在各行各业的广泛应用,电子商务系统已经与我们每个人密切相关,使我们的生活更加方便快捷。与此同时,电子商务系统中大量且复杂的信息会影响我们对商品及服务做出精确且合适的选择,为此,推荐算法的研究应运而生。其中,协同过滤算法成为推荐界的宠儿,受到普遍关注。目前,随着大数据时代的到来,信息过期问题已经成为影响推荐算法准确性的关键因素之一。众所周知,我们的兴趣爱好是不断变化的,传统的协同过滤算法忽略了信息随时间推移导致信息影响力变化的因素,并不能很好的为用户进行预测推荐。为此,本文在信息半衰期的启发下,引入信息保持期的概念,即一个信息影响力基本保持不变的时间窗,通过在最近邻查找阶段和预测评分阶段采用一种新颖的时间加权函数为项目上的评分赋予不同的时间权重,使得近期的评分获得更大的权重并对预测评分表现出更高的参考价值,我们将该算法称为改进的基于时间权重的协同过滤算法(NTWCF),它在一定程度上大幅度提高了预测推荐的准确性。另一方面,电子商务系统中用户数量和项目数量的急剧攀升,已经使得实时性成为用户对推荐系统的突出要求之一,本文提出时间加权的项目聚类并利用其优化NTWCF算法,提出了一种综合时间权重和项目聚类的协同过滤算法(TWICCF),使得算法在提高准确性的同时也保证了实时响应速度。TWICCF算法在对评分信息时间加权之后再对项目K-means聚类,在为目标项目查找最近邻时只在若干聚类构成的项目集中进行,缩短了算法的执行时间,有效保证了推荐系统的实时性要求,并在一定程度上提升了算法的准确性。