입력 그래프의 불완전성
그래프 신경망은 자료 사이의 희소하고 이산적인 의존 관계를 활용한다. 실제 자료에서는 연결에 잡음이 있거나 일부가 빠져 있으며, 사용할 그래프가 처음부터 주어지지 않는 경우도 있다.
연결과 가중치의 공동 학습
이 연구는 간선에 대한 이산 확률 분포를 학습하는 이중 수준 최적화 문제를 설정한다. 이를 근사적으로 풀면서 그래프의 구조와 그래프 합성곱 신경망의 모형 파라미터를 함께 조정한다.
적용 범위
이미 있는 그래프를 수정하는 경우와 그래프가 없는 경우를 모두 다룬다. 구조를 고정한 채 표현만 학습하는 설정에서 벗어나 연결 자체도 예측 과제에 맞게 학습할 수 있는 대상으로 취급한다.