تهدف أنظمة التوصية التفاعلية (CRS) إلى تقديم عناصر عالية الجودة للمستخدمين من خلال محادثات تفاعلية. وعلى الرغم من الجهود المبذولة في مجال أنظمة التوصية التفاعلية، تظل هناك مشكلتان رئيسيتان تحتاجان إلى حل. أولاً، يفتقر بيانات المحادثة إلى معلومات سياقية كافية لفهم دقيق لتفضيلات المستخدم. ثانيًا، هناك فجوة معنوية بين التعبير باللغة الطبيعية وتفضيلات المستخدم على مستوى العناصر. ولحل هاتين المشكلتين، ندمج بين رسم بياني للمعرفة يعتمد على الكلمات (word-oriented KG) ورسم بياني للمعرفة يعتمد على الكيانات (entity-oriented KG) لتعزيز تمثيلات البيانات في أنظمة التوصية التفاعلية، ونستخدم مبدأ تكبير المعلومات المتبادلة (Mutual Information Maximization) لمحاذاة الفضاءات المعنوية على مستوى الكلمات وعلى مستوى الكيانات. وباستنادًا إلى التمثيلات المعنوية المُحاذاة، نطوّر بعد ذلك مكونًا مُعزّزًا بالرسم البياني للمعرفة للقيام بتوصيات دقيقة، ومكونًا محادثات مُعزّزًا بالرسم البياني للمعرفة قادرًا على إنتاج كلمات مفتاحية أو كيانات مفيدة في نص الرد. وأظهرت التجارب الواسعة فعالية النهج المقترح في تحقيق أداء أفضل في مهام التوصية والمحادثة معًا.