La investigación sobre métodos de recomendación utilizando información de gráficos multimodales presenta un desafío significativo dentro del ámbito de los servicios de información. Estudios previos en esta área han carecido de precisión en la purificación y eliminación de ruido de la información multimodal y han explorado de manera insuficiente los métodos de fusión. Introducimos un enfoque de recomendación de gráficos multimodales aprovechando la fusión de atención cruzada. Este modelo mejora y purifica la información multimodal al incrustar los IDs de los elementos y sus usuarios interactivos correspondientes, optimizando así la utilización de dicha información. Para facilitar una mejor integración, proponemos un método de fusión de información multimodal basado en un mecanismo de atención cruzada, que procesa y fusiona de manera efectiva la información relacionada y diferencial entre modalidades. Los resultados experimentales en tres conjuntos de datos públicos indicaron que nuestro modelo se desempeñó excepcionalmente bien, demostrando su eficacia en el aprovechamiento de la información multimodal.