针对物品流行偏置现象，将物品流行度引入到用户兴趣中建模，提出了基于物品流行度的用户兴趣特征相似度模型。针对传统模型没有考虑到用户兴趣稳定性和难以实时捕获用户兴趣问题，在计算用户兴趣相似度过程中引入时间敏感和兴趣稳定性，提出了引入时间敏感的用户兴趣稳定性的相似度模型。最后，融合权重因子将两种相似度模型线性加权，提出了一种新颖的IPSTS算法模型。实验表明，该算法相比传统协同过滤算法在平均绝对误差（MAE）和均方根误差（RMSE）上均有明显降低的同时也能挖掘出长尾物品，缓解了物品流行偏置现象。