La indexación y recuperación de contenido multimedia generalmente se implementa mediante el uso de grafos de características. Estos grafos suelen contener un número significativo de nodos y aristas para reflejar el nivel de detalle en la detección de características. Un mayor nivel de detalle aumenta la efectividad de los resultados, pero también conduce a estructuras de grafo más complejas. Sin embargo, los algoritmos basados en el recorrido de grafos para la similitud son bastante ineficientes y computacionalmente costosos, especialmente para grandes estructuras de datos. Para ofrecer una recuperación rápida y efectiva, especialmente para colecciones multimedia grandes y grandes conjuntos de datos multimedia, es deseable un algoritmo de similitud eficiente para grafos grandes en particular. Por lo tanto, en este documento, definimos una proyección de grafo en un espacio 2D (Código de Grafo) y los algoritmos correspondientes para la indexación y recuperación. Mostramos que los cálculos en este espacio se pueden realizar de manera más eficiente que los recorridos de grafo debido al modelo de procesamiento más simple y al alto nivel de paralelización. Como consecuencia, demostramos experimentalmente que la efectividad de la recuperación también aumenta sustancialmente, ya que el Código de Grafo facilita más niveles de detalle en la fusión de características. Estos niveles de detalle también respaldan una predicción de confianza aumentada, especialmente para contenido de redes sociales fusionado. En nuestro modelo matemático, definimos un triple métrico para el Código de Grafo, que también mejora las representaciones de resultados clasificados. Por lo tanto, los Códigos de Grafo proporcionan un aumento significativo en la eficiencia y efectividad, especialmente para la indexación y recuperación multimedia, y se pueden aplicar a imágenes, videos, texto e información de redes sociales.