Los sistemas de recomendación basados en filtrado colaborativo enfrentan el problema de la escasez de datos asociados con la interacción de datos, y las recomendaciones sociales introducen información social del usuario para aliviar este problema. Los métodos de recomendación social existentes no pueden expresar el interés de interacción del usuario e influencia social de manera profunda, lo que limita el rendimiento de recomendación del sistema. Para abordar este problema, en este artículo proponemos un algoritmo de recomendación social de red neuronal gráfica que integra un mecanismo de atención de múltiples cabezas. Primero, basándonos en el grafo de interacción usuario-elemento y el grafo de red social, se utiliza la red neuronal gráfica para aprender la relación de alto orden entre usuarios y elementos y extraer profundamente las características latentes de usuarios y elementos. En el proceso de aprendizaje de la representación del vector de incrustación de usuario basado en el grafo de red social, se introduce el mecanismo de atención de múltiples cabezas para aumentar la importancia de los amigos con alta influencia. Luego, realizamos predicciones de calificación para los usuarios objetivo según la representación del vector de incrustación de usuario aprendida y el vector de incrustación de elemento. Los resultados experimentales en el conjunto de datos de Epinions muestran que el método propuesto supera a los métodos existentes en términos de Tasa de Recuperación y Ganancia Acumulativa Descontada Normalizada.