本发明公开了一种基于异构信息网络表示学习的推荐方法，包括提取信息，对异构信息网络中的节点进行表示学习，所述节点包括用户节点和项目节点，获取用户和项目的低维向量；将用户和项目的低维向量直接与推荐任务对接，作为推荐的样本特征输入域感知因子分解机模型，并通过添加组lasso作为正则项进行特征选择，完成用户和项目之间的评分预测；根据评分预测完成推荐。本发明采用基于元结构和动态截断随机游走的异构信息网络表示学习方法，不但能够捕获简单线性语义，对复杂非线性结构的挖掘也能井然有序，有效弥补元路径因自身结构缺陷所导致的信息丢失的问题；避免信息融合阶段可能造成的不可逆信息损失。