针对序列推荐任务中的时间动态性和多重兴趣建模问题，提出一种时间感知的项目嵌入方法，用于学习项目之间的时间关联性。在此基础上，提出一种融合时间感知和多兴趣提取网络的序列推荐(time-aware multi-interest sequence recommendation, TMISA)方法。TMISA采用自注意力序列推荐模型作为局部特征学习模块，以捕捉用户行为序列中的动态偏好；通过多兴趣提取网络对用户的全局偏好进行建模；引入门控聚合模块将局部和全局特征表示动态融合，生成最终的用户偏好表示。实验证明，在5个真实推荐数据集上，TMISA模型表现出卓越性能，超越了多个先进的基线模型。