SR-GNN模型是一種基於會話的推薦系統模型，它通過將序列化問題轉換為圖問題來建模會話序列。該模型使用有向圖來表示所有的會話序列，並利用圖神經網路（GNN）來學習每個項（item）的隱向量表示。此外，SR-GNN還包含一個注意力網路（Attention Network）架構，用於捕捉用戶的短期興趣。這種方法能夠捕獲用戶長期和短期興趣共存的向量表示，相比傳統的循環神經網路（RNN）方法，SR-GNN在處理會話序列時能夠得到更精確的用戶表徵，並且能夠處理物品間複雜的轉換特性。實驗結果表明，SR-GNN模型在性能上明顯優於一些最先進的基於會話的推薦方法。