近年来,互联网,尤其移动互联网飞速发展,各大互联网公司从中获取了大量与用户生活和行为模式相关的数据。如何利用这些数据,从各类庞杂数据中挖掘出有用信息,并以此对用户进行相关产品与功能的推荐成为一项难题。从目前来看,学术界与工业界对单领域的个性化推荐有了较为深刻的研究,单领域推荐是学术界与工业界解决推荐问题的主流方法,它通过学习某指定领域的历史数据,来预测该领域的用户行为与偏好。然而,单领域推荐对数据稀疏等问题没有很好的解决方案,有较大局限性。为此,将多个领域数据联合考虑,为目标领域推荐提供帮助的跨领域推荐成为推荐系统的热门课题。本文首先阐述了单领域推荐的不足和跨领域推荐的优势,强调了跨领域推荐的研究意义,介绍了跨领域推荐所要解决的问题与面临的挑战,分析了当前主要的基于跨领域的推荐算法。在这些跨领域的背景知识下,本文选择基于张量分解的跨领域推荐作为研究重点。本文详细论述了张量分解的理论基础,根据张量分解的特点寻找其适合的跨领域推荐应用场景。本文主要研究工作体现在如下两方面:1.基于张量分解的跨领域航班推荐系统本文介绍了航班推荐的背景,明确航班推荐问题的需求及其与传统推荐的不同。继而介绍了简单的航班推荐思路及其中的不足。然后,根据航班推荐的特点,提出了一个跨领域张量分解的改进算法,将历史权重策略加入到算法中用来解决跨领域航班推荐问题。此外,本文提出了该算法并行化的实现思路。2.基于张量分解的跨领域新电影推荐系统本文介绍了新电影推荐的背景,明确新电影推荐问题的需求。继而介绍了利用单领域解决新电影推荐的思路及其中的不足。然后,基于隐式跨领域张量分解算法解决新电影推荐问题。此外,本文针对新电影推荐的特点提出了该算法存储与计算的优化方法。