随着信息技术迅速发展以及网络服务的普及,数据规模实现井喷式发展,社会逐步进入了信息化的大数据时代。作为解决信息过载的重要方法,推荐系统得到了迅速地发展,同时也在人类生产、生活的各个方面发挥着重要的作用。多行为推荐系统作为推荐系统的一个分支,虽然起步较晚,但是由于多行为数据的丰富性及应用场景的广泛性,近些年来多行为推荐系统也得到了社会各界人士的青睐。目前多行为推荐系统在如何合理利用行为之间多等级偏好信息,如何考虑项目种类信息以及如何借鉴相似用户的偏好信息等方面都有很大的提升空间。本文主要从以上的问题出发,基于多交互行为的应用场景进行推荐系统的设计,主要包括三个工作,第一个是基于项目种类和图神经网络的多行为推荐系统,使用图神经网络来聚合用户-项目之间的多行为异质信息,并且考虑到了项目-项目之间的同质信息;第二个是在第一个工作的基础上,提出了基于相似用户偏好的多行为推荐系统,主要考虑了用户-用户之间的同质信息的影响关系;第三个工作是基于成对排序算法的推荐系统,在成对损失函数的负样本抽样过程中,按照多等级偏好和项目种类信息来抽取正负样本对,减少负样本的不确定性,提高推荐模型的准确度。在两个真实世界的数据集上的实验结果均表明,我们的模型都取得了很好的性能,在推荐准确度方面都要优于多行为推荐领域较为先进的算法。