算法1：MKAFG算法流程

输入：用户--物品交互矩阵 $Y_{m\times n}$ ，知识图谱G

输出：预测函数： ${\widehat{y}}_{uv}=F\left(u,v|\Theta ,\text{Y},\text{G}\right)$

1. 初始化参数

2. for k do

//推荐部分(AFM模块+DNN模块)

3. fortstepsdo

4. 从Y中采集正负相互作用的小批量样本，得到物品v相关联的实体 $h\sim S\left(v\right)$ ；

5. 对输入的物品、用户数据进行One-hot编码；

6. One-hot编码后的用户和物品特征向量进行嵌入操作；

//AFM模块

7. 使用神经注意网络，公式(4)-(5)，以不同的权重 $a_{ij}$ 对所有的特征建模后，再通过公式(6)

获取特征间的低阶线性交互关系。

//DNN模块

8. 获取用户和物品高阶组合特征，见公式(7)-(9)；

9. 通过公式(1)预测用户u对物品v的点击概率；

10. 通过公式(18)更新推荐模块的所有参数；

11. endfor

//GCN知识嵌入部分

12. 从知识图谱G中采集正负相互作用的小批量样本，得到头实体h相关联的物品 $v\sim S\left(h\right)$ ；

13. 对输入的头实体、关系实体数据进行One-hot编码；

14. 头实体、关系实体特征向量进行嵌入操作；

15. 头实体h和关系实体r构建邻接矩阵，预测尾实体 $\widehat{t}$ ；

16. 通过等式上的梯度下降更新 $F$ 参数，公式(13)，(18)；

17. endfor