现有的大多数基于会话的推荐系统都是根据上次点击的项目与当前会话的用户偏好之间的相关性进行推荐，忽略了其他会话可能包括与当前会话相关的项目转换，这也可能会对用户的当前偏好产生一定的影响，因此，需要从局部会话和整体会话的角度综合分析用户偏好，这些推荐系统大多忽略了位置信息的重要性，预测的位置越近，项目与当前用户兴趣的相关性可能越高。为了解决这些问题，提出了一种基于全局增强图神经网络（GEL-GNN）的推荐模型。GEL——GNN的目标是根据所有的训练来预测用户的行为。它使用GNN捕捉当前会话的全球和本地关系，并使用LSTM捕捉全球级别会话之间的关系。首先，通过注意机制层，将用户的偏好表达为基于全局层面和局部层面的会话兴趣组合。然后，使用反向位置信息测量当前位置和预测位置之间的距离，以便更准确地预测用户的行为。在三个真实数据集上进行了大量实验。实验结果表明，与现有的基于会话的图神经网络推荐模型相比，GEL GNN的推荐效果更好。