在数字文化资源推荐中，资源与用户兴趣的精准匹配扮演着关键作用。虽然知识图谱有效地解决了传统推荐算法中数据稀疏性与冷启动问题，但知识图谱的静态结构却限制了对用户兴趣动态演化的理解。针对上述问题，文中提出了一种融合知识图谱和兴趣偏好的数字文化资源推荐方法（Knowledge Graph Interest Preferences model,KGIP）。该方法首先通过构建知识图谱的嵌入表示用以建立用户与资源之间的关联关系。其次，采用长短期记忆网络模块表征用户的兴趣，并挖掘用户长短期历史行为中的复杂特征，更准确地捕捉用户的兴趣偏好。最后，为了充分利用兴趣偏好以及资源之间的关联信息，将两种特征表示进行融合送入多层感知器学习不同潜在因子之间的非线性结构特征，引入Sigmoid激活函数得到最终预测结果。通过在豆瓣平台和国家文化云平台数据集上进行多次实验验证，结果表明KGIP在数字文化资源推荐中具有良好的表现。
