由于传统推荐系统虽然采用了图结构信息，但大部分只考虑了用户和物品的基本属性，忽略了用户和物品的上下文交互信息这个重要因素，而即使考虑到了上下文交互信息，在层组合阶段也缺少注意力机制赋予权重。为此，提出了一个融合了上下文交互信息和注意力机制的CIAGCN(Context Information Attention Graph Convolutional NetworksN)推荐模型。该模型利用用户和物品的上下文交互信息，同时应用图的高阶连通性理论获取更深层次的协同信号。在层组合阶段引入注意力机制以提高该阶段的可解释性。将该模型在Yelp-OH、Yelp-NC和Amazon-Book数据集上进行实验对比，结果表明相比其他算法，该模型具有一定的效果提升，说明推荐效果优于传统的推荐模型。