协同过滤技术作为迄今为止应用最成功的推荐技术之一,得到了研究者广泛的关注,成为推荐领域重点研究的内容。本文对协同过滤推荐技术进行了有益的探索和研究,针对协同过滤的缺陷,引入了用户兴趣变化,评分预测时间模型和项目生命周期,提出了基于用户兴趣变化和项目生命周期的协同过滤算法,对基于项目的协同过滤算法进行了改进。论文完成的主要工作包括：①对推荐系统进行了较深入的研究,包括概念、研究内容和组成,并详细分析了各种推荐技术,比较了各种推荐技术的优势和不足,以及现有的典型推荐系统实例的特征。在此基础之上,重点研究了推荐领域的主流技术-协同过滤技术,对协同过滤算法做了全面而详细的分析。②考虑到用户兴趣度的动态变化问题,借鉴人类的遗忘规律,引入了时间遗忘函数,在当前研究成果基础上,提出了时间周期性模型和非线性权重函数模型,根据时间信息决定不同权值,按时间t对项目评分进行不同速度的衰减,改变不同时间内评分对推荐结果的贡献度。③创造性地在评分数据推荐过程中加入由项目生命周期决定的权重信息。实验结果表明,在协同过滤算法基础上融入时间信息变化,能够提高推荐结果的准确度以及时效性。