协同过滤是迄今为止个性化推荐系统中采用最广泛最成功的推荐技术，但现有方法是将用户不同时间的兴趣等同考虑，时效性不足，而且推荐精度也有待进一步提高。鉴于此提出一种改进的协同过滤算法，针对用户近邻计算和项目评分的预测两个关键步骤，提出基于项目相关性的用户相似性计算方法，以便邻居用户更准确，同时在预测评分的过程中增加时间权限，使得接近采集时间的点击兴趣在推荐过程中具有更大权值。实验结果表明，该算法在提高了推荐精度的同时实现了实时推荐。