短视频分享平台数据具有用户交互行为丰富、模态信息多样且全面的特点,但由于相同短视频的不同模态信息之间具有差异性,也即存在“语义鸿沟”（semantic gap）的问题,现有的推荐方法难以从短视频的模态层级进行用户兴趣建模,衡量短视频模态信息之间的差异性对用户偏好的影响。因此,本文提出结合短视频数据多模态的特点和图卷积网络（Graph Convolutional Network,GCN）的模型框架设计了一种基于多模态图卷积网络的短视频推荐算法,捕捉不同模态下用户的兴趣表达,进而为用户产生推荐。本文首先根据用户对短视频的交互行为建立“用户-短视频”二部图（bipartite graph）,并依照短视频的模态种类不同分别构造对应的模态二部图;在传统GCN的邻域聚合方法上进行改进,提出了两级邻域聚合（Bi-level aggregation）策略以及基于注意力机制的邻域聚合器;根据GCN中目标顶点的信息来源不同,设计阶层整合和外积整合两种整合层设计方法,实现目标顶点信息与邻域信息的整合;设计融合层实现用户以及短视频不同模态间信息的融合,输出用户和短视频的表征向量,体现短视频不同模态包含的信息差异对用户偏好的影响;最后通过输出层计算用户向量与短视频向量间的相似程度,为用户输出推荐。本文使用Kuaishou,Tik Tok两个多模态短视频数据集以及多模态电影数据集Movie Lens进行实验,比较本文提出的推荐算法与其他算法在不同数据集上的性能表现,不同模态数量、聚合策略、聚合器设计以及整合层设计对算法性能的影响。实验结果证明,本文提出的推荐算法在针对多模态短视频以及电影的个性化推荐任务中,准确度、召回率以及NDCG（Normalized Discounted Cumulative Gain）指标上相比图嵌入方法（Deep Walk,EGES）以及图卷积网络方法（Graph SAGE,GAT）均有明显的提升;在不同数据集的稳定性能表现也一定程度上体现本文提出推荐算法的适用性。