本文介绍了一种基于图神经网络模型的序列推荐方法SURGE，通过度量学习将松散的物品序列转化为紧密的物品-物品兴趣图，并进行图卷积传播和图池化操作，提取用户历史行为序列的核心兴趣。实验证明该方法在性能和序列长度方面都有显著提升。