本稿では、グラフ埋め込みを基盤とする半教師あり学習フレームワークを提案します。インスタンス間のグラフが与えられた場合、各インスタンスの埋め込みをクラスラベルとグラフ内の近傍コンテキストを同時予測するように訓練します。当該手法の伝導型および帰納型の両バリアントを開発しました。伝導型のバリアントでは、クラスラベルは学習された埋め込みと入力特徴ベクトルによって決定されます。一方、帰納型のバリアントでは、埋め込みは特徴ベクトルのパラメトリック関数として定義されるため、訓練中に見られなかったインスタンスについても予測を行うことが可能です。テキスト分類、遠隔教師ありエンティティ抽出、エンティティ分類など、大規模かつ多様なベンチマークタスクにおいて、既存の多くのモデルよりも性能向上が示されました。