關鍵詞：標簽推薦 張量因子分解 權重 聚類 

摘要：標簽推薦的現有方法忽視了多種屬性特征之間的聯系,無法保證大數據環境下推薦系統的準確率。針對該問題,提出了一種基于用戶聚類和張量分解的新標簽推薦方法,以進一步提高標簽推薦的質量。該方法首先對一些對產品具有重要影響的用戶進行聚類,然后根據用戶、產品、標簽和產品評分之間的多元關系綜合計算總權重。最后,根據聚類之后的用戶群體以及多元關系的總權值構建張量并進行張量因式分解。實驗與傳統張量分解方法相對比,結果表明提出的方法在準確率上具有一定的提高,驗證了算法的有效性。

計算機應用研究雜志要求:

{1}注釋與參考文獻：注釋是對論文中某一特定內容的解釋或補充說明，用帶圈數字注于當頁頁腳；參考文獻是論文中引用的觀點、數據和材料等內容的出處，用帶方括號的數字（如[]）按順序編碼標明，并與文末編碼對應。

{2}引言應簡明扼要介紹本文研究的領域，國內外目前研究的近期結果與趨勢，存在的問題；本文研究的理論依據，歷史背景，研究的設想、思路、要解決的具體問題，創新點（重要）和預期目的及意義。

{3}來稿須為學術論文，內容應在本刊用稿范圍內。來稿應結構完整，包括標題、作者信息、摘要、關鍵詞、正文和參考文獻等部分。

{4}作者介紹主要包括：作者姓名，工作單位（+職務），技術職稱，主要研究方向。

{5}一般三至四級標題為宜，不超過五級。正文字號字體均為五號宋體，行間距為固定值20磅。一級標題應加黑居中。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社