Ce travail étudie les systèmes de recommandation utilisant des graphes de connaissances, qui peuvent efficacement résoudre les problèmes de rareté des données et du démarrage à froid. Récemment, une variété de méthodes ont été développées pour aborder ces problèmes, cherchant généralement à apprendre des représentations efficaces des utilisateurs et des éléments avant de les faire correspondre en fonction de ces représentations. Bien que ces méthodes aient montré leur efficacité, elles manquent d'explications convaincantes, ce qui est crucial pour les systèmes de recommandation. Dans cet article, nous empruntons une voie différente et proposons de générer des recommandations en trouvant des chemins significatifs entre les utilisateurs et les éléments. Plus précisément, nous formulons le problème comme un processus décisionnel séquentiel, où l'utilisateur cible est défini comme l'état initial et les arêtes du graphe sont définies comme des actions. Nous structurons les récompenses selon les méthodes actuelles de pointe et formons ensuite une fonction de politique par des méthodes de gradient de politique. Les résultats expérimentaux sur trois jeux de données réels montrent que notre méthode proposée non seulement fournit des recommandations efficaces mais offre également d'excellentes explications.