在異構信息網絡下往往會產生紛繁復雜的數據，這些數據常用一種被稱為張量的新的形式來表示。但是由 于這些數據中缺失值較多，存在一定的稀疏性，因此需要對張量進行分解，恢復缺失值，找出多元數據之間潛在的關系。 張量分解是推薦系統中一種重要的方法, 在推薦系統中應用張量分解，可以挖掘出潛在關系，給用戶帶來更好的推薦體驗。筆者以數據挖掘為引，研究了張量分解及其在推薦系統中的應用，并根據當下的研究熱點問題提出了未來張量分解在推 薦領域的應用方向和發展趨勢。