本书针对推荐系统中的二部图、社交网络和知识图谱的图结构模式，研究基于图表示学习的深度推荐系统。通过挖掘图信息中的隐性关系和高阶关系，使用图学习的方式探索用户和产品的潜在关联，弥补相关推荐系统研究在挖掘用户之间或者产品之间隐性关系方面的不足，形成一系列合理而且有效的推荐技术。增加推荐系统输入的多样性，运用社交网络和知识图谱等辅助信息，缓解推荐系统目前面临的“数据稀疏”、“冷启动”等问题，提高推荐系统的准确性和多样性，为推荐系统技术的发展提供可参考的方向。

第1章 绪论
1.1 推荐系统背景
1.2 国内外研究进展
1.3 研究问题与内容
1.4 本书组织架构
第2章 推荐系统概述
2.1 引言
2.2 传统推荐系统和基于深度学习的推荐系统
2.3 基于图表示学习的推荐系统
2.4 推荐系统常用的评价指标
第3章 基于二部图隐性关系学习的推荐系统
3.1 引言
3.2 二部图隐性关系学习模型
3.3 实验评估及分析
3.4 本章小结
第4章 基于社交网络图表示学习的推荐系统
4.1 引言
4.2 多注意力模型的社交网络推荐系统
4.3 实验评估及分析
4.4 本章小结
第5章 基于传播的知识图谱推荐系统
5.1 引言
5.2 双传播机制的知识图谱推荐
5.3 实验评估及分析
5.4 本章小结
第6章 基于邻域的知识图谱推荐系统
6.1 引言
6.2 基于邻域交互的多任务知识图谱推荐
6.3 实验评估及分析
6.4 本书算法比较
6.5 本章小结
第7章 总结与展望
7.1 全书总结
7.2 研究展望
参考文献