个性化推荐系统是为了缓解当前互联网中信息过载问题而诞生的一种智能应用，在众多的个性化推荐算法中，协同过滤方法逐渐成为主流，而这类方法却常常面临交互数据稀疏等问题。为了对协同过滤方法的缺点进行补偿，很多融合辅助信息的推荐算法应运而生，聚集了物品属性和关联信息的知识图谱便是其中的一种，然而现有的一些利用知识图谱做推荐的方法只针对物品向量的建模，造成了用户向量与物品向量之间信息的不平衡，使得引入知识图谱中高阶邻居节点的信息，更多地成为了噪声信息。为了更充分的利用知识图谱来提高推荐的准确性，我们将物品知识图谱与用户物品交互图进行组合使用，首先在知识图谱上构建图注意力网络，将与物品相关联的高阶属性节点的信息聚集到物品向量中，再利用交互图中蕴含的协同信号作为用户与物品向量之间信息传递的通道，额外的在交互图上构建轻量级图卷积网络，从而将物品节点聚集的知识再次传播到用户节点中，进而缩小两种节点所含信息的差距，确保推荐预测函数能较好地捕获用户和物品之间的相关性。