在异构信息网络下往往会产生纷繁复杂的数据，这些数据常用一种被称为张量的新的形式来表示。但是由 于这些数据中缺失值较多，存在一定的稀疏性，因此需要对张量进行分解，恢复缺失值，找出多元数据之间潜在的关系。 张量分解是推荐系统中一种重要的方法, 在推荐系统中应用张量分解，可以挖掘出潜在关系，给用户带来更好的推荐体验。笔者以数据挖掘为引，研究了张量分解及其在推荐系统中的应用，并根据当下的研究热点问题提出了未来张量分解在推 荐领域的应用方向和发展趋势。