网络时代的到来,使得信息过载问题日益凸显。会话推荐系统是解决信息过载问题的重要工具。深度学习方法最近被用来建模会话数据,挖掘会话中的序列信息。虽然现有工作取得了良好的效果,但这些工作大多只将用户交互过的项目作为输入信息进行分析,忽略了用户活动发生的时间所反映出的用户兴趣。本文使用时间感知算法来解决会话推荐问题。时间向量生成器首先对用户活动的时间戳进行处理,得到用户在每个项目上的驻留时间和每次活动与当前预测时间的间隔（简称时间间隔）。然后,该组件通过设置多个可学习的核函数,来挖掘在不同上下文条件下用户活动对于反映用户兴趣所遵循的不同时间规律。最后,该组件利用基于种子向量的方法将驻留时间和时间间隔转换为向量,保留了完整的时间信息。本文利用时间向量对卷积神经网络和注意力机制进行改进。通过使用基于驻留时间的兴趣门控对卷积神经网络进行调整,使其能更加准确的反映用户兴趣。在注意力机制中添加时间间隔,使其能够建模用户偏好的动态变化。在两个电子商务数据集Yoochoose和Diginetica上进行了大量实验,结果表明本文提出的方法在会话推荐领域达到领先水平。