户的行为偏好往往会受到社交关系、时间变化等多种因素影响，只考虑单一因素会导致构建的用户兴趣模型比较片面，难以准确地产生推荐。为此，融合用户社交关系和时间因素，提出一种主题模型推荐算法。利用主题模型对用户标注行为进行主题建模，得到用户一物品概率矩阵。根据用户标注物品的时间计算用户标注行为的 时问权重，将其与用户的标注行为权重相结合，计算基于时问的用户相似度。对用户的社交关系与基于时问的用户相似度进行加权处理得到用户的权重，在此基础上，考虑其他用户的影响，计算用户对物品最终的偏好权重，并根据排名产生推荐结果。在Last．fm数据集上的实验结果表明，该算法能更全面地考虑用户特征，有效提高推荐的 质量
