針對大眾標注網站項目推薦系統(tǒng)中存在數(shù)據(jù)矩陣稀疏性影響推薦效果的問題，考慮矩陣奇異值分解（SVD）能有效地平滑數(shù)據(jù)矩陣中的數(shù)據(jù)，以及朋友圈能夠反映出一個人的興趣愛好，提出了一種融合朋友關系和標簽信息的張量分解推薦算法。首先，利用高階奇異值分解（ HOSVD）方法對用戶一項目一標簽三元組信息進行潛在語義分析和多路降維，分析用戶、項目、標簽三者間關系；然后，再結合用戶朋友關系、朋友間相似度，修正張量分解結果，建立三階張量模型，從而實現(xiàn)推薦。該模型方法在兩個真實數(shù)據(jù)集上進行了實驗，結果表明，所提算法與高階奇異值分解的方法比較，在推薦的召回率和精確度指標上分別提高了2. 5%和4%，因此，所提算法進一步驗證了結合朋友關系能夠提高推薦的準確率，并擴展了張量分解模型，實現(xiàn)用戶個性化推薦。
?