本书首先对异质信息网络分析的发展以及该领域的一些新颖的数据挖掘任务进行了全面的综述。本书包括两个部分。在第I部分，包括第1、2和9章，它深入全面地总结了该领域的进展。这本书第1章深入介绍了异质信息网络，第2章研究了大多数数据挖掘任务的研究进展。此外，根据发展和趋势，我们在第9章中指出了未来研究方向。在第II部分中，它通过第3-8章中的几类数据挖掘任务说明了异质信息网络分析的特征。

前言
第1章 引言
1.1 基本概念和定义
1.2 与相关概念的比较
1.3 异质信息网络示例数据集
1.4 为什么要进行异质信息网络分析
参考文献
第2章 研究进展综述
2.1 相似性搜索
2.2 聚类
2.3 分类
2.4 排名
2.5 链接预测
2.6 推荐
2.7 信息融合
2.8 其他应用
参考文献
第3章 异质对象的相关性度量
3.1 HeteSim：一种统一且对称的相关性度量方法
3.1.1 概述
3.1.2 HeteSim度量
3.1.3 实验
3.1.4 快速计算策略及实验
3.2 HeteSim的扩展
3.2.1 概述
3.2.2 AvgSim：一种新的度量方法
3.2.3 AvgSim的并行化
3.2.4 实验
3.3 结论
参考文献
第4章 基于路径的排名和聚类
4.1 基于元路径的排名
4.1.1 概述
4.1.2 HRank方法
4.1.3 实验
4.2 基于排名的聚类
4.2.1 概述
4.2.2 问题定义
4.2.3 HeProjI算法
4.2.4 实验
4.3 结论
参考文献
第5章 基于异质信息网络的推荐
5.1 基于语义路径的推荐
5.1.1 概述
5.1.2 基于异质网络的推荐框架
5.1.3 SemRec算法
5.1.4 实验
5.2 基于矩阵分解的推荐
5.2.1 概述
5.2.2 SimMF算法
5.2.3 实验
5.3 利用异质信息的社交推荐
5.3.1 概述
5.3.2 DSR算法
5.3.3 实验
5.4 结论
参考文献
第6章 异质社交网络上的融合学习
6.1 网络对齐
6.1.1 概述
6.1.2 术语定义与社交元路径
6.1.3 跨网络对齐
6.1.4 实验
6.2 跨对齐网络的链接传输
6.2.1 概述
6.2.2 跨网络链接预测
6.2.3 实验
6.3 协同网络社区检测
6.3.1 概述
6.3.2 跨网络社区检测
6.3.3 实验
6.4 结论
参考文献
第7章 模式丰富的异质网络挖掘
7.1 模式丰富的异质网络中的链接预测
7.1.1 概述
7.1.2 LiPaP算法
7.1.3 实验
7.2 知识图谱中基于元路径的实体集扩展
7.2.1 概述
7.2.2 MP_ESE算法
7.2.3 实验
7.3 结论
参考文献
第8章 基于异质网络的原型系统
8.1 语义推荐系统
8.1.1 概述
8.1.2 系统结构
8.1.3 系统实现
8.1.4 系统演示
8.2 可解释的推荐系统
8.2.1 概述
8.2.2 基于异质网络的推荐
8.2.3 系统框架
8.2.4 系统演示
8.3 其他基于异质网络的原型系统
8.4 结论
参考文献
第9章 未来的研究方向
9.1 更复杂的网络构建
9.2 更强大的挖掘方法
9.2.1 网络结构
9.2.2 语义挖掘
9.3 更庞大的网络数据
9.4 更多的应用领域
参考文献