セッションベースの推薦問題は、匿名のセッションに基づいてユーザーの行動を予測することを目指しています。従来の手法では、セッションをシーケンスとしてモデル化し、アイテム表現に加えてユーザー表現を推定して推薦を行います。これらの手法は有望な結果を達成しましたが、セッション内の正確なユーザーベクトルの取得には十分ではなく、アイテム間の複雑な遷移も見落としています。より正確なアイテム埋め込みを取得し、アイテム間の複雑な遷移を考慮するために、本研究では新しい手法であるグラフニューラルネットワークを使用したセッションベース推薦（Session-based Recommendation with Graph Neural Networks, SR-GNN）を提案します。提案手法では、セッションシーケンスをグラフ構造データとしてモデル化します。このセッショングラフに基づき、GNNは従来のシーケンシャル手法では明らかにすることが困難だったアイテム間の複雑な遷移を捉えることができます。さらに、各セッションはアテンションネットワークを使用して、全体的な嗜好とそのセッションにおける現在の興味から構成される表現として表されます。2つの実際のデータセットを用いた広範な実験により、SR-GNNが既存の最先端のセッションベース推薦手法よりも一貫して優れていることが明確に示されました。