في السنوات الأخيرة، أثبتت شبكات العصب الرسومية (GNNs) قوتها في التعلم على بيانات الرسم البياني من خلال دمج المعلومات العقدية والهيكلية الطوبولوجية بشكل طبيعي. تقدم هذه المزايا لشبكات العصب الرسومية إمكانات كبيرة لتطوير التوصيات الاجتماعية، حيث يمكن تمثيل البيانات في أنظمة التوصية الاجتماعية كرسم بياني اجتماعي بين المستخدمين ورسم بياني بين المستخدمين والعناصر؛ وأن التعلم العوامل الكامنة للمستخدمين والعناصر هو المفتاح. ومع ذلك، يواجه بناء أنظمة التوصية الاجتماعية القائمة على شبكات العصب الرسومية تحديات. على سبيل المثال، يشفر الرسم البياني بين المستخدمين والعناصر كلًا من التفاعلات والآراء المرتبطة بها؛ العلاقات الاجتماعية لها قوى متنوعة؛ المستخدمون يشاركون في رسمين بيانيين (مثل الرسم البياني الاجتماعي بين المستخدمين والرسم البياني بين المستخدمين والعناصر). لمعالجة هذه التحديات الثلاثة في آن واحد، نقدم في هذا البحث إطارًا جديدًا لشبكات العصب الرسومية (GraphRec) للتوصيات الاجتماعية. وبشكل خاص، نوفر منهجًا مبدئيًا للتقاط التفاعلات والآراء بشكل مشترك في الرسم البياني بين المستخدمين والعناصر ونقترح الإطار GraphRec، الذي يُنمذج الرسمين البيانيين والقوى المتنوعة بتماسك. تُظهر التجارب الواسعة على مجموعتين كبيرتين من البيانات الحقيقية فعالية الإطار المقترح GraphRec. شفرتنا متاحة على الرابط \url{https://github.com/wenqifan03/GraphRec-WWW19}