现有的基于异构信息网络的推荐方法主要通过节点相似性挖掘推荐辅助信息,受元路径线性结构及对可见路径依赖的影响,用户和项目特征并不能被充分捕获。提出基于异构信息网络表征学习的推荐方法,通过在给定元结构上进行截断随机游走学习用户和项目节点的低维向量表示,并将其直接融入推荐样本,结合FFM模型进行评分预测。实验表明,该方法有较高性能。