En este trabajo, presentamos una solución de vanguardia para la continuación automática de listas de reproducción a través de un sistema de recomendación basado en grafos de conocimiento. Al integrar el aprendizaje representacional con redes neuronales de grafos y fusionar múltiples flujos de datos, el sistema modela eficazmente el comportamiento del usuario, lo que lleva a recomendaciones precisas y personalizadas. Proporcionamos una comparación sistemática y exhaustiva de nuestros resultados con soluciones y enfoques existentes, demostrando el notable potencial de la representación basada en grafos para mejorar los sistemas de recomendación. Nuestros experimentos revelan mejoras sustanciales sobre enfoques existentes, validando aún más la eficacia de este enfoque novedoso. Además, a través de una evaluación integral, destacamos la robustez de nuestra solución para manejar interacciones dinámicas de usuarios y escenarios de datos en streaming, mostrando su viabilidad práctica y perspectivas prometedoras para los sistemas de recomendación de próxima generación.