針對現(xiàn)有的推薦系統(tǒng)多采用近鄰用戶的偏好行為來預測當前用戶的偏好，而不考慮用戶的偏好會隨著時間的變化而改變，影響了推薦準確率的問題，提出了一種基于時間衰減與偏好波動的協(xié)同偏好獲取方法。首先，基于時間因素、用戶歷史偏好等獲取偏好衰減增量與衰減速度，并據(jù)此生成衰減函數(shù)，使用衰減函數(shù)對用戶歷史行為數(shù)據(jù)進行衰減修正；其次，基于用戶的歷史偏好分布獲取其偏好波動幅度；最后，將衰減函數(shù)與偏好波動幅度分別加入到最近鄰獲取與偏好獲取流程，協(xié)同為用戶生成推薦列表。在大規(guī)模真實數(shù)據(jù)集上的實驗結(jié)果表明，所提出的方法與基于屬性評分分布的協(xié)同過濾（ RDCF）與最優(yōu)Top-N的協(xié)同過濾（OTCF）相比，平均絕對誤差（MAE）值分別降低了近6. 42%和7.73%。實驗結(jié)果表明所提方法能夠提高推薦準確度，提升推薦質(zhì)量。