本发明提供一种基于多跳机制的扩散图谱推荐方法及系统，属于深度学习、知识图谱与推荐系统技术领域。本发明由知识图谱构建、特征提取网络及多跳机制扩散模型组成；将不同类型的POI特征分别输入到不同的特征提取隐藏层中，并对它们进行不同的权重分配、嵌入映射和非线性变换等操作，更好地捕捉不同类型兴趣点的特征差异，从而提高模型的表达能力和泛化能力；通过图谱的信息传递，丰富用户画像、发现潜在关联并进行个性化推荐；水波扩散算法能够使模型具备寻找更多实体的能力，以提高其泛化性能；多跳模型能逐步扩展和丰富用户的兴趣点集合，挖掘更多与用户历史行为相关的潜在兴趣点，有效利用用户和知识图谱中的关系信息，实现个性化、多样化推荐。