随着信息技术的快速发展、网络化应用的加深以及社会的数字化变革,逐渐形成了融人、机器、信息于一体的系统,即“信息-物理-社会系统”,它旨在实现面向用户的具有个性化需求的智慧多样服务,并且现在对信息-物理-社会系统领域的研究已经得到高度关注。这里选择在信息-物理-社会系统空间中以匹配的方式提供服务作为研究方向。然而,现有的匹配方案过分依赖于概率统计模型和对象的某个特定属性,忽视了对象的数据特征以及多属性的特性,难以满足信息-物理-社会系统多属性匹配的需求。通过调研可知:张量表示能够有效地描述数据的多个属性以及这些属性之间的内在联系且张量的高阶奇异值分解实现了高质量数据的提取。因此,提出一种在数据的张量统一表示和高阶奇异值分解的基础上的匹配模型,从而实现基于张量分解的多属性匹配。首先,提出了在同一张量空间和不同张量空间中的两种数据融合技术,实现了数据多属性的统一表示以及信息-物理-社会系统跨空间匹配的需求。其次,为特征匹配模型提出了单属性、一般多属性以及多属性合并的三种特征匹配算法,为对象匹配模型提出了单属性系数降维、单属性高阶双共轭梯度、多属性合并以及多属性高阶双共轭梯度的四种对象匹配算法。最后,通过实验验证了匹配模型的正确性及有效性,并分析了如何运用该匹配模型为用户提供前瞻性、个性化的服务,满足用户不同的需求。