因特网的快速的进化一直在呼吁让有效recommender系统从联机资源指出有用信息。尽管历史的评价数据广泛地在建议方法被用作最重要的信息，最近的前进与标签信息的加入在建议性能一直在表明改进。而且，标签注解的可获得性被作为CiteULike，MovieLens和BibSonomy标注应用的如此的多产的联机聚会很好探讨了，它允许用户表示他们的偏爱，上载资源并且分配他们的自己的标签。不过，存在标签知道的建议接近的大多数用一张分成三部分的图在用户，目标和标签之中为关系建模，并且因此在节点的一样的类型以内俯看关系。克服这限制，我们建议一条新奇途径，三位一体，向个性化的建议集成历史的数据和标签信息。三位一体构造在节点的一样的类型以内考虑在节点而且关系的不同类型之间的互联的一个三分层的object-user-tag网络不仅。基于这个异构的网络，三位一体与重启模型一起采用随机的散步把协会的力量分到候选人对象，从而提供为一个询问用户优先考虑对象的一个工具。我们经由一系列大规模10褶层交叉验证实验验证我们的途径并且用三个全面标准评估它的表演。结果证明我们的方法超过几个存在方法，包括有重启，分配过程的资源的模拟，并且传统的合作过滤的监督随机的散步。
