大数据时代,推荐系统能够有效地解决信息过载问题。知识图谱作为一种信息量丰富的异构信息网络被引入到推荐系统当中,能够帮助生成更好的推荐。但随着可用信息的不断丰富,知识图谱的构建与在推荐系统中的应用成为了一项关键性的挑战。在构建上,需要解决异构数据提取、多源信息融合和知识存储的困难。在应用上,传统的基于路径和基于嵌入的推荐方法对知识图谱中的信息利用程度有限。因此,研究如何有效地构建和应用知识图谱是一个具有重要现实意义的课题。本文提出了一种基于异构信息融合的领域知识图谱构建方法,通过信息提取、知识融合等技术对领域知识图谱进行构建并应用于推荐。在推荐中利用图神经网络对知识图谱进行深层次的信息挖掘,设计了一种结合深域信息探索和广域信息探索的图神经网络模型,在现实数据集上验证了推荐效果的提升,并在汽车领域进行领域知识图谱的应用探索。本文的主要工作如下:（1）分析知识图谱和图神经网络在推荐系统方向的研究和应用现状,针对目前研究中的推荐方法进行深入分析和思考,探索应用于汽车推荐的可能性和技术方案,并在此基础上进行改进和实践。（2）在已有知识图谱构建方法的基础上,提出一种融合多源异构信息的领域知识图谱构建方法,针对信息抽取、知识融合等困难提出针对性解决办法,并采集了现实应用场景中的真实数据进行实验,通过对构建完成的领域知识图谱进行质量评估,验证了该方法的有效性。（3）针对现有基于嵌入的方法和基于路径的方法对知识图谱信息利用不足的问题,提出了一种基于图神经网络的推荐模型,WDEG模型,首先采用图嵌入技术对知识图谱进行预训练得到网络的结构信息,再利用图卷积技术对知识图谱进行深层次的语义信息挖掘,最后通过多个实验验证了该模型的性能。（4）在上述实践基础上,采用软件开发技术设计和实现了一个汽车推荐系统,具备登录注册、热门推荐、个性推荐、条件选车等核心功能。