نقدم إطارًا موحدًا للتشابه التشاركي المدمج (CSE)، والذي يستغل العلاقات التعاونية الشاملة المتاحة في الرسم البياني الثنائي المستخدم-العنصر لتعلم التمثيل والتوصية. في الإطار المقترح، نميز بين نوعين من علاقات القرب: القرب المباشر والقرب الجواري من الدرجة k. بينما يركز تعلم الأول على العلاقات المباشرة بين المستخدم والعناصر التي يمكن ملاحظتها من الرسم البياني، فإن تعلم الثاني يستفيد من العلاقات الضمنية مثل تشابهات المستخدم-المستخدم وتشابهات العنصر-العنصر، والتي يمكن أن توفر معلومات قيمة خاصة عندما يكون الرسم البياني نادر الكثافة. بالإضافة إلى ذلك، لتحسين القابلية للتوسع والمرونة، نقترح تقنية عينة مصممة خصيصًا لالتقاط هذين النوعين من علاقات القرب. أظهرت التجارب الواسعة على ثماني مجموعات بيانات مرجعية أن CSE يحقق أداءً أفضل بكثير من طرق التوصية الأكثر تقدمًا حاليًا.