随着互联网时代的到来,各种信息数据充斥在互联网平台上,纷繁的数据产生了“信息过载”的问题。推荐系统旨在帮助用户高效获取感兴趣内容而被提出,推荐系统在做节点间链路预测任务时,会存在数据挖掘不充分、数据稀疏以及推荐可解释性较弱的问题。本文针对以上问题,借助异质信息网络强大的数据分析挖掘能力,以及异质数据建模能力展开研究。在异质信息网络中可以通过元路径进行节点间高阶语义信息的研究,从而达到挖掘用户潜在信息的目的,进而对用户做出个性化推荐。异质信息网络可以将外部知识信息库在二部图中进行建模,通过在二部图中进行外部知识信息的融合更新处理,达到数据扩充的目的,进而缓解数据稀疏的问题。知识图谱作为一种特殊的异质信息网络,使用三元组的方式,将实体之间的语义信息进行充分的表达,通过实体语义信息的添入,使推荐的结果具可解释性。本文主要工作如下:（1）提出了一种注意力机制异质信息网络推荐算法模型（Heterogeneous Information Network Attention,HINA）。通过异质信息网络对数据进行建模,将用户商品数据进行局域信息与全域信息的区分,在局域信息中通过注意力机制进行节点邻居的信息聚合,在全域信息中基于元路径进行用户潜在偏好的信息挖掘,并使用自注意力机制对元路径信息进行聚合。通过局域与全域信息的融合,学习节点的特征表示,针对用户兴趣偏好进而做出个性化推荐。（2）提出一种融合外部知识库的异质信息网络推荐算法模型（Heterogeneous Information Network Knowledge Expansion,HINKE）。在异质信息网络二部图中对外部知识信息库进行建模,通过二部图中信息聚合更新获得数据扩充后的异质信息网络,并在更新后异质网络中进行向量节点的生成表示。通过注意力机制的引入,进行节点向量信息的聚合处理,最终在节点间展开链路预测任务。（3）提出一种基于反馈信息的知识图谱推荐算法模型（Feedback Information Knowledge Graph Recommendation,FKG）。在FKG算法模型中,通过对用户的反馈信息进行偏好分析,在用户交互历史中进行负样本的采样,并将正负样本进行配对。在知识图谱网络中使用注意力机制进行信息的聚合和高阶信息的传递,增强推荐结果的可解释性。（4）基于前文提出的异质信息网络推荐算法模型,设计并实现音乐推荐系统。通过系统的需求分析,明确系统所需功能模块,然后对系统的架构进行设计,并选择所需的技术方法。在前端设计用户的交互界面,设计并实现包括注册登录、歌曲播放界面、个性化推荐等页面。通过后端进行数据库的设计,实现数据存储,数据获取等功能。最后将前后端进行连接,启动系统运行,并进行系统测试。测试结果显示,系统各个功能均达到预期目标,系统能够正常运行。