グラフ構造データに対する半教師付き学習のスケーラブルな手法を提案します。この手法は、グラフ上で直接動作する効率的な畳み込みニューラルネットワークの変種に基づいています。我々の畳み込みアーキテクチャの選択理由は、スペクトルグラフ畳み込みの局所的な一階近似によるものです。我々のモデルは、グラフエッジの数に対して線形にスケールし、隠れ層表現において局所的なグラフ構造とノードの特徴を両方エンコードします。引用ネットワークや知識グラフデータセットにおける複数の実験で、我々の手法が関連する方法よりも有意に優れていることを示しています。