随着产学研工作的深入开展,我们取得了许多成果,也面临着许多问题。其中最突出的是需求技术不匹配。企业找不到技术,而技术人员又不知道哪里有需求。为了解决这个问题,政府科技局常年进行学校和企业的沟通,并经常组织线下的活动。然而效果并不是很理想,我国目前的科技成果转化率仅为30%,远远低于发达国家的70%。经过近年来的技术转移工作的积累,我们已经获得了许多的人才资源资讯方面的信息。然而,这些信息通常是杂乱的。如何提高这些信息的利用率,加强人才,企业,政府之间的信息交流成为了技术转移工作的关键。因此,我们需要对资源进行梳理,分类,从而能够将将相应的信息推荐给对应的用户。当前的分类主要是考虑向量数据,然而我们得到的数据通常包含更多的信息,包括其来源,词语位置等信息,这些信息可以在张量空间中直接表示,转化成向量则减少了其包含的结构信息。为了更充分利用这些数据资源进行分类,本文提出了一种张量文本分类的方法,使用张量模型进行文本表示,并使用增量模型进行计算,提高了分类效率。另一方面,关于推荐模块,现实中的推荐应该是动态的,高效的。而常用的推荐方法却常常是静态的,离线的。本文结合时间因素,以及推荐矩阵的局部低秩假设,提出了一种张量空间下可并行的推荐方案,并通过实验证明了其准确性,高效性。本文的工作主要在以下几个方面1.完成数据获取部分,通过分布式爬虫整站获取资讯数据,图片等信息。2.结合支持张量机,提出了一个可以增量训练的张量分类模型,并通文本属性信息构建文本张量模型,从而进行高效的分类。3.结合矩阵分解推荐系统,提出了一个张量分解推荐系统,用于动态推荐,并且验证了其并行性。