数字文化资源具有资源丰富、种类繁多的特点。对于数字文化资源的推荐，考虑到其资源类型的异质性，可以将其划分为许多不同的子类别域。然而，现有的推荐方法大多只针对单个商品类别域，无法捕捉用户偏好在多个领域之间的传播，也无法有效利用其他领域提供的信息。在此基础上，提出了一种基于知识图的知识图多目标CDR模型（KGMT）。首先，通过知识图构建不同领域之间的关系，生成用户和项目的全局领域嵌入。然后，采用基于自我注意机制的融合注意模块，将目标域和全局域的嵌入表示结合起来，有效地利用了整个局部信息，提高了每个目标域的推荐效果。最后，在豆瓣和国家文化云平台的真实数据集上进行了几组实验。实验结果表明，Aristole模型的性能优于基线模型，并且多个目标域的推荐指标得到了改善。