针对传统协同过滤算法无法及时反映用户兴趣变化的情况，将人脑的记忆和遗忘特性引入到个性化推荐中，提出基于记忆效应的协同过滤推荐算法。利用短时记忆体现用户近期兴趣变化，应用长时记忆强调用户早期兴趣的重要性，给出将短时记忆和长时记忆相结合的调和记忆，使推荐系统可以自适应地跟踪用户兴趣变化。实验结果表明，与CF算法、SCF算法和AUICF算法相比，该算法的推荐精度更高、收敛速度更快。