집계 후의 유사성
기존 동질성 지표가 그래프와 표지의 일치만 살피는 한계를 지적했다. 원 연구는 집계 이후 노드 유사성 관점에서 새로운 지표를 정의하고 일부 해로운 이질성 조건을 국소 다양화로 다룰 수 있음을 분석했다.
노드별 채널의 선택
집계와 다양화 및 항등이라는 세 채널을 각 노드에 맞게 활용한다. 다양한 이웃 조건에서 더 풍부한 국소 정보를 얻도록 하며 기존 그래프 신경망 층에도 넣기 쉽게 구성했다.
기준선의 확장 평가
원 연구는 열 가지 노드 분류 벤치마크에서 ACM을 기존 기준선에 추가해 평가했다. 단일 채널 구성과 비교해 이질적인 그래프에서 채널 결합의 효과를 조사했다.