可解释推荐成为近年来推荐系统领域的一个热点研究话题。然而,现有的可解释推荐方法并不能定量地为推荐结果做出解释。为了解决这个问题,提出一种基于主题的矩阵分解模型。模型量化用户在特定主题上的偏好程度,并且能将用户主题偏好信息用于提升推荐的性能。最终通过一系列实验验证模型的推荐性能和解释能力。