近年、グラフなどの構造化データに深層学習を適用する高度な手法が提案されています。特に、グラフデータに対する畳み込みニューラルネットワークの一般化に焦点が当てられており、これにはグラフ用の畳み込みとダウンサンプリング（プーリング）操作の再定義が含まれます。畳み込み操作をグラフに一般化する手法は、性能向上を証明しており、広く使用されています。しかし、グラフへのダウンサンプリングの適用は依然として困難であり、改善の余地があります。本論文では、自己注意機構に基づいたグラフプーリング手法を提案します。グラフ畳み込みを使用した自己注意機構により、当社のプーリング手法はノード特性とグラフトポロジーの両方を考慮することができます。公平な比較を確保するために、既存のプーリング手法と当社の手法において同じ訓練手順とモデルアーキテクチャを使用しました。実験結果は、合理的なパラメータ数を使用してベンチマークデータセット上で優れたグラフ分類性能を達成することを示しています。注：「当社」は通常企業や組織で使用される表現ですが、ここでは研究者や著者が自身の方法を指すために使用しています。ただし、「我々」や「提案者」などでも問題ありません。