مهمة إعادة تحديد الهوية الشخصية تتطلب تقديرًا متينًا للتشابهات البصرية بين صور الأشخاص. ومع ذلك، فإن معظم نماذج إعادة تحديد الهوية الشخصية الحالية تقوم بتقدير التشابهات بين أزواج الصور المختلفة من الصور الاستعلامية والصورة المرجعية بشكل مستقل بينما تتجاهل معلومات العلاقة بين أزواج الاستعلام-المرجع المختلفة. نتيجة لذلك، قد لا يكون تقدير التشابه لبعض العينات الصعبة دقيقًا. في هذا البحث، نقترح إطارًا جديدًا للتعلم العميق يُسمى الشبكة العصبية الرسومية الموجهة بالتشابه (SGGNN) للتغلب على هذه القيود. مع وجود صورة استعلامية وعدد من الصور المرجعية، يقوم SGGNN بإنشاء رسم بياني يمثل العلاقات الثنائية بين أزواج الاستعلام-المرجع (العقد) ويستفيد من هذه العلاقات لتحديث ميزات العلاقة بين الاستعلام والمرجع بطريقة شاملة ومتصلة. يمكن تحقيق تقدير دقيق للتشابه باستخدام هذه الميزات المحدثة للعلاقة بين الاستعلام والمرجع في التنبؤ. تكون ميزات الإدخال للعقد على الرسم البياني هي ميزات العلاقة لأزواج الصور المختلفة من الاستعلام والمرجع. ثم يتم تحديث ميزات العلاقة بين الاستعلام والمرجع عن طريق تبادل الرسائل في SGGNN، حيث يتم الأخذ بعين الاعتبار معلومات العقد الأخرى لتقدير التشابه. على عكس النهج التقليدية للشبكات العصبية الرسومية (GNN)، يتعلم SGGNN وزن الأطراف باستخدام تسميات غنية مباشرة لأزواج الحالات المرجعية، مما يوفر لمزج العلاقات معلومات أكثر دقة. تم التحقق من فاعلية الطريقة المقترحة لدينا على ثلاثة قواعد بيانات عامة لإعادة تحديد الهوية الشخصية.