针对传统协同过滤算法没有考虑由时间引起的用户兴趣分布变化、 致使其推荐精度不高的问题， 提出了融合用户兴趣分布变化和特征差异的协同过滤推荐算法。采用窗方法估计用户在整个项目空间上的兴趣分布， 设计时间遗忘曲线因子用以确定用户兴趣分布变化函数， 最后结合兴趣分布变化相对熵和用户特征差异计算用户相似程度并进行项目推荐。实验结果表明， 该算法能够有效追踪用户对项目兴趣变化， 提高了数据稀疏情况下的推荐精度。