【摘要】[目的/意义]针对缺乏辅助信息的场景，为更好地挖掘用户偏好，从用户项目间的交互信息中挖掘高阶关系特征，并综合考虑全局和局部层次上的交互关系，提出一种基于高阶和低阶交互关系的深度学习推荐模型（HLRec）。[方法/过程]从原始交互数据中构建超图和二分图两种子图，分别显式建模用户项目间高阶和低阶交互关系；使用关联矩阵表示高阶交互关系特征，异构图神经网络提取低阶交互关系特征；融合高阶与低阶交互关系特征，并输入到深度生成模型变分自编码器（VAE）中学习用户和项目的表示向量；根据模型预测的用户项目间匹配概率完成Top-k个性化推荐。使用公开数据集MovieLens-1M验证提出的模型。[结果/结论]实验结果表明，在Top-20推荐中，与相关基线模型相比，本文模型的Recall、Precision和NDCG分别提高了4.18%、3.20%和3.41%。