数据稀疏性是推荐系统应用程序中众所周知的挑战。 先前的工作通过将信息合并到相应的社交媒体站点中来缓解此问题。 在本文中，我们将通过探索跨站点信息来解决这一挑战。 具体来说，我们的目标是：1）如何有效，高效地利用跨网站评分和内容功能来提高推荐效果？ 和2）如何通过利用内容特征使建议可解释？ 我们提出了矩阵分解和潜在主题分析的联合模型作为推荐框架。 在该模型中，可以通过多种潜在主题对异构内容特征进行建模，从而准确地进行特征维数降低以提高推荐性能。 此外，矩阵分解和潜在主题的组合使推荐结果可从多个方面