La predicción de calificaciones es una tecnología importante en el campo de las recomendaciones personalizadas. Los resultados de la predicción están influenciados por muchos factores, como el tiempo, y su precisión afecta directamente la calidad de la recomendación. Los algoritmos actuales de filtrado colaborativo (CF) basados en el tiempo han mejorado la tecnología de precisión de la predicción hasta cierto punto, pero no logran diferenciar la sensibilidad al tiempo de diferentes usuarios, lo que afecta aún más la precisión de la predicción. Para abordar este problema, hemos propuesto un algoritmo de predicción de calificaciones basado en las diferencias de sensibilidad al tiempo de los usuarios. Primero, analizamos y modelamos las sensibilidades al tiempo de los usuarios, utilizamos la distancia coseno y la entropía relativa para construir una función de juicio, y luego juzgamos las sensibilidades al tiempo de los usuarios basándonos en una estrategia de votación. A continuación, aplicamos la diferencia de sensibilidad al tiempo para mejorar el algoritmo CF tradicional y optimizamos la combinación de parámetros. Finalmente, probamos nuestro algoritmo en conjuntos de datos estándar. Los resultados experimentales mostraron que hay muchos usuarios que tienen diferentes sensibilidades al tiempo. Según estos resultados experimentales, nuestro algoritmo propuesto ha logrado una mayor precisión en la predicción que otros algoritmos de última generación.