推薦系統是為了解決“信息過載”問題而產生的一種有效工具，隨著推薦系統被廣泛應用于新聞、音樂、社交平臺和電子商務等領域以滿足用戶的個性化需求，以個性化推薦技術為代表的推薦算法受到了越來越多的關注，以有效感知用戶的復雜意圖。其中，協同過濾算法是應用最廣泛的個性化推薦算法，由于傳統的協同過濾算法只考慮用戶的歷史反饋數據進行推薦，面臨著稀疏性和冷啟動等問題，于是越來越多的研究開始利用多源異質信息構建混合式推薦算法。基于此，本書主要介紹如何利用結構化和非結構化的異質信息構建模型實現用戶意圖的精準感知，旨在從多維度和多領域表示用戶和物品的個性化屬性，通過深入的挖掘這些異質信息幫助推薦算法更好的分析用戶偏好，進而有效地解決推薦算法中的冷啟動和稀疏性等問題，提高推薦系統性能。