今日の情報過多の社会において、推薦システムはユーザにサービスを提供するために不可欠なツールとなっている。また、ユーザの意思決定を支援し利益、顧客の満足度の向上に繋がるため推薦性能の向上が望まれている。このシステム構築において強調フィルタリングと行列因子分解を用いた手法が一般的である。しかし、従来手法の推薦性能はデータのスパース性と入力データの情報に制限が存在するため、推薦の精度と表現力に制約がある。本研究ではFactorization Machineモデルを用い、スパース性を解消する。加えて、ユーザ及びアイテムに関するレビューから潜在的属性を補助情報として付与し評価計算を行う推薦モデルを提案する。