1、隨著推薦算法在電子商務應用范圍的劇增，網站的收益得到了提高。在推薦的眾多算法中，時間作為影響算法的不可忽視的重要因素。因此，本文對基于時間敏感的推薦算法進行研究，并將其應用在電子商務中，通過實驗驗證時間敏感的推薦算法的可行性。本文主要做了以下工作：
　　1、研究用戶產生行為的相對次序對于用戶相似度的影響，利用最長公共子序列算法求得用戶相對次序下行為的最長序列。將提取基于時間敏感用戶之間的非公共的興趣列表，通過該列表來計算用戶之間的

2、非公共的興趣列表對用戶興趣的貢獻程度，并與UserCF算法進行線性加權混合。實驗在2個數(shù)據集上進行實驗驗證，并與多種不同的推薦算法進行對比，證明本文提出的該算法在推薦的準確率和召回率上都有不錯的表現(xiàn)。
　　2、將用戶的行為記錄進行哈希處理，將每個記錄的權重按照時間進行衰減，以模擬用戶的興趣隨著時間動態(tài)地變化，從而形成用戶行為指紋算法。實驗在2個數(shù)據集上進行實驗驗證，并與其他多種不同算法進行實驗對比，實驗證明該算法在推薦的準確率和召