推薦系統(tǒng)是為了解決“信息過(guò)載”問(wèn)題而產(chǎn)生的一種有效工具，隨著推薦系統(tǒng)被廣泛應(yīng)用于新聞、音樂(lè)、社交平臺(tái)和電子商務(wù)等領(lǐng)域以滿足用戶的個(gè)性化需求，以個(gè)性化推薦技術(shù)為代表的推薦算法受到了越來(lái)越多的關(guān)注，以有效感知用戶的復(fù)雜意圖。其中，協(xié)同過(guò)濾算法是應(yīng)用最廣泛的個(gè)性化推薦算法，由于傳統(tǒng)的協(xié)同過(guò)濾算法只考慮用戶的歷史反饋數(shù)據(jù)進(jìn)行推薦，面臨著稀疏性和冷啟動(dòng)等問(wèn)題，于是越來(lái)越多的研究開(kāi)始利用多源異質(zhì)信息構(gòu)建混合式推薦算法。基于此，本書(shū)主要介紹如何利用結(jié)構(gòu)化和非結(jié)構(gòu)化的異質(zhì)信息構(gòu)建模型實(shí)現(xiàn)用戶意圖的精準(zhǔn)感知，旨在從多維度和多領(lǐng)域表示用戶和物品的個(gè)性化屬性，通過(guò)深入的挖掘這些異質(zhì)信息幫助推薦算法更好的分析用戶偏好，進(jìn)而有效地解決推薦算法中的冷啟動(dòng)和稀疏性等問(wèn)題，提高推薦系統(tǒng)性能。