多くの重要な問題はグラフデータからの学習として定式化することができます。本研究では、任意のグラフに対して畳み込みニューラルネットワーク（CNN）を学習するためのフレームワークを提案します。これらのグラフは、無向、有向であり、離散的および連続的なノード属性とエッジ属性を持つことが可能です。画像ベースの畳み込みネットワークが入力の局所的に接続された領域で動作するように、我々はグラフから局所的に接続された領域を抽出する一般的な手法を提示します。確立されたベンチマークデータセットを使用して、学習した特徴表現が最先端のグラフカーネルと競争力があり、その計算が非常に効率的であることを示しています。