本发明公开了一种基于改进神经网络的推荐系统在线召回方法及系统，对目标用户交互数据进行时间序列化过滤，得到用户‑对象交互记录，并对用户‑对象交互记录进行基于交互记录的对象类别特征提取，得到对象类别特征，并利用改进RNN循环神经网络对用户‑对象交互记录与对象类别特征进行融合预测，得到召回生成结果；本发明充分挖掘了用户交互记录的时间特性以及交互对象的类别信息，使召回生成结果兼顾用户偏好挖掘的准确性和及时性，填补了直接交互数据的缺失，为后续推荐方法提供了可靠输入，并通过融合对象类别特征增大原始数据规模，丰富了推荐召回集合，缓解数据稀松问题，并利用改进循环RNN神经网络为用户提供更加准确推荐结果，提升用户体验。