グラフ表現学習に関連する2つの基本的なタスク、すなわちリンク予測とノード分類について検討します。本稿では、非監督のリンク予測と半教師付きのノード分類を同時に多タスク学習するための、局所的なグラフ構造と利用可能なノード特徴量の共同表現を学習できる新しいオートエンコーダーarchitecture（アーキテクチャ）を提案します。当モデルは単純でありながら効果的で汎用性が高く、一連のプロセスで効率的にエンドツーエンドで訓練される一方、以前の関連する深層グラフ埋め込み手法は最適化が難しい複数の訓練ステップを必要としていました。5つのベンチマークリレーショナル・グラフ構造データセット上で当モデルの実証評価を行い、グラフ表現学習における3つの強力なベースラインに対して有意な改善を示しました。参考コードとデータはhttps://github.com/vuptran/graph-representation-learning から入手可能です。