我们提出了协作相似性嵌入（Collaborative Similarity Embedding, CSE），这是一种统一框架，旨在利用用户-项目二部图中丰富的协作关系进行表示学习和推荐。在所提出的框架中，我们将两种类型的邻近关系区分开来：直接邻近关系和k阶邻域邻近关系。前者的学习利用了从图中可观察到的直接用户-项目关联，而后者的学习则利用了隐含的关联，如用户-用户相似性和项目-项目相似性，这些信息在图较为稀疏时尤为宝贵。此外，为了提高可扩展性和灵活性，我们提出了一种专门设计用于捕捉这两种邻近关系的采样技术。在八个基准数据集上进行的大量实验表明，CSE相比最先进的推荐方法显著提升了性能。