近年、ノード情報とトポロジカル構造を自然に統合できるグラフニューラルネットワーク（GNNs）は、グラフデータの学習においてその効果が示されています。これらのGNNsの利点は、ソーシャル推薦システムにおけるデータがユーザ-ユーザのソーシャルグラフおよびユーザ-アイテムグラフとして表現できることから、ユーザーとアイテムの潜在要因を学習するという鍵となる課題に対して大きな可能性を提供します。しかし、GNNsに基づくソーシャル推薦システムの構築には課題が存在します。例えば、ユーザ-アイテムグラフは相互作用とそれに関連する意見を同時に符号化しており、ソーシャル関係には異なる強度が存在し、ユーザーは2つのグラフ（例：ユーザ-ユーザのソーシャルグラフとユーザ-アイテムグラフ）に参加しています。本論文では、これらの3つの課題を同時に解決するために、新しいグラフニューラルネットワークフレームワーク（GraphRec）を提案します。特に、ユーザ-アイテムグラフにおける相互作用と意見を一貫して捉える方法を提供し、2つのグラフと異種な強度を整合的にモデル化するGraphRecフレームワークを提案します。2つの実世界データセットを使用した広範な実験により、提案されたGraphRecフレームワークの有効性が示されました。当該コードは\url{https://github.com/wenqifan03/GraphRec-WWW19}で公開されています。