본 발명은 다수의 사용자 각각에 대응하는 다수의 사용자 노드와 다수의 아이템 각각에 대응하는 다수의 아이템 노드 및 다수의 사용자의 각 아이템에 대한 평가 점수가 가중치로 가중되어 사용자 노드와 아이템 노드를 잇는 다수의 엣지로 구성된 이분 그래프에서 가중치에 따라 다수의 엣지를 포지티브 엣지와 네거티브 엣지로 구분하고 분할하여, 포지티브 엣지를 갖는 포지티브 그래프와 네거티브 엣지를 갖는 네거티브 그래프를 생성하는 그래프 생성부, 인공 신경망으로 구현되어, 미리 학습된 방식에 따라 신경망 연산을 수행하여 포지티브 그래프와 네거티브 그래프 각각을 벡터화하여 포지티브 임베딩 벡터와 네거티브 임베딩 벡터를 획득하고, 포지티브 임베딩 벡터와 네거티브 임베딩 벡터가 결합된 결합 임베딩 벡터를 획득함으로써, 가상의 공통 임베딩 공간에서 다수의 사용자 노드와 다수의 아이템 노드의 위치를 결정하는 임베딩부 및 임베딩 공간에서 다수의 사용자 노드 각각에 대한 다수의 아이템 노드 각각의 거리를 기반으로 각 사용자에게 아이템을 추천하는 추천부를 포함하여, 유사 사용자의 아이템들에 대한 선호도뿐만 아니라 비선호도를 고려하여, 사용자가 확실히 선호할 수 있는 아이템을 정확하게 추천할 수 있는 추천 장치 및 방법을 제공한다.