随着用户在物品上产生了大量行为,推荐系统成为了线上系统的重要组成部分。推荐系统算法使用用户对物品的行为信息以及上下文数据为每个用户推荐一组物品。算法根据用户之间及物品之间的相似度建立。本文介绍了一个基于识别用户间重叠社区结构的时间感知小说推荐系统。由于用户的兴趣是随时间变化的，所以在个性化推荐系统中为为活跃用户的喜好建立精准的模型是很难的。在实际系统中，用户与物品的关系数据是非常稀疏的，所以很多推荐系统不能进行准确的推荐。用户间的重叠社区结构能帮助我们最小化数据系数的影响。本文将所介绍的算法实施于两个基准数据集，并证明了这种算法确实可以解决兴趣变化和数据稀疏的难题。且该算法的精度优于很多高水平的推荐方法。