针对传统协同过滤推荐算法不能及时反映用户的兴趣变化、时效性不足导致推荐精度不高的问题，提出一种基于用户兴趣和项目属性的协同过滤推荐算法。在传统协同过滤基础上综合考虑评分时间、相似度以及项目属性等因素，首先在计算相似度过程中加入基于时间的用户兴趣度权重函数，然后再与项目属性相似度进行融合，最后进行项目预测与推荐。在Movielens数据集上的实验结果表明，所提出的算法与已有的经典算法相比，平均绝对误差降低了3%~6%，有效提高了推荐的准确性。
