La Belleza Facial Predicción (FBP) es un importante problema de reconocimiento visual para evaluar la atractividad de los rostros según la percepción humana. La mayoría de los métodos existentes de FBP se basan en soluciones supervisadas que utilizan características geométricas o profundas. El aprendizaje semi-supervisado para FBP es un área de investigación casi inexplorada. En este trabajo, proponemos un método semi-supervisado basado en grafos en el que se construyen múltiples grafos para encontrar la representación de grafo apropiada de las imágenes faciales (con y sin puntuaciones). El método propuesto combina tanto grafos basados en características geométricas como profundas para producir una representación de alto nivel de las imágenes faciales en lugar de utilizar un solo descriptor facial y también mejora la capacidad discriminativa de los métodos de propagación de puntuaciones basados en grafos. Además del grafo de datos, nuestro enfoque propuesto fusiona un grafo adicional construido de forma adaptativa en los valores de belleza predichos. Los resultados experimentales en el conjunto de datos de belleza facial SCUTFBP-5500 demuestran la superioridad del algoritmo propuesto en comparación con otros métodos de última generación.