本文介绍了多种基于异构信息网络的推荐模型，如NIRec、HCDIR和HERec，旨在解决冷启动问题并提升推荐性能。这些模型通过探索节点互动、应用卷积学习和结合内容特征，在实验中表现出色，显著改善了推荐效果。

本文介绍了一种用卷积学习输入表示替换变形器的正弦位置嵌入的方法，并详细说明了其在提供长程关系方面的优势和优化特点。该方法在无额外语言模型文本下，在librispeech测试中取得了4.7％和12.9％的字错率。