题目：A survey on heterogeneous information network based recommender systems: Concepts, methods, applications and resources
期刊：AI Open 2022
论文链接：https://www.sciencedirect.com/science/article/pii/S2666651022000092/
作为缓解信息过载的重要手段，推荐系统旨在为用户过滤掉不相关的信息，并为他们提供可能感兴趣的项目。近年来，越来越多的工作提出在推荐系统中引入辅助信息来缓解数据稀疏和冷启动问题。其中，基于异质信息网络(HIN)的推荐系统提供了一种融合各种辅助信息的统一方法，可以与主流推荐算法相结合，有效地提高模型的性能和可解释性，从而被应用于多种推荐任务中。本文从概念、方法、应用和资源四个方面对基于HIN的推荐系统进行了全面系统的综述。
本文组织如下：
在第二章中，我们介绍了推荐系统和异质信息网络的相关概念和定义。 在第三章中，我们根据不同的模型对基于HIN的推荐系统进行了分类，并系统地分析了现有的推荐方法。 在第四章中，我们根据不同的应用场景对基于HIN的推荐系统进行了分类，并讨论了每个场景的特点。 在第五章中，我们介绍了一些常用的数据集，并总结了一些用于基于HIN的推荐系统的开源工具。 在第六章中，展望了基于HIN的推荐系统的未来研究方向。 在第七章中，我们回顾和总结了我们的综述。