La recomendación de novelas en línea sugiere novelas atractivas según las preferencias y características de los usuarios o de las novelas, y se considera cada vez más un servicio indispensable de muchas tiendas y sitios web en línea. Los intereses de la mayoría de los usuarios permanecen estables durante un cierto período. Sin embargo, hay amplias categorías en la lista de recomendaciones inicial lograda por filtrado colaborativo (CF). Es decir, es muy posible que haya muchas novelas recomendadas de manera inapropiada. Mientras tanto, la mayoría de los algoritmos asumen que los usuarios pueden proporcionar una preferencia explícita. Sin embargo, esta suposición no siempre se sostiene, especialmente en la lectura de novelas en línea. Para resolver estos problemas, se propone un algoritmo impulsado por etiquetas con modelado colaborativo de ítems (TDCIM) para la recomendación de novelas en línea. La lectura de novelas en línea es diferente del marketing tradicional de libros y carece de calificación de preferencias. Además, el filtrado colaborativo a menudo sufre del efecto Mateo, lo que lleva a recomendaciones personalizadas ignoradas y serios problemas de cola larga. Por lo tanto, el CF basado en ítems se mejora mediante una calificación de preferencias latentes con un mecanismo de castigo basado en la popularidad de las novelas. En consecuencia, se construye un algoritmo impulsado por etiquetas mediante modelado colaborativo de ítems y extensión de etiquetas. Los resultados experimentales muestran que la recomendación de novelas en línea mejora considerablemente con un algoritmo impulsado por etiquetas y modelado colaborativo de ítems.