本研究では、グラフスターネット（GraphStar）と呼ばれる新しい統一的なグラフニューラルネットワークアーキテクチャを提案します。このアーキテクチャは、メッセージ伝達リレーと注意機構を用いて、ノード分類、グラフ分類、リンク予測の複数の予測タスクを処理します。GraphStarは、従来のグラフニューラルネットワークが直面していた多くの課題に対処し、モデルの深さを増やすことなく非局所表現を実現し、重い計算コストを負担することなく機能します。また、ノード分類とテキスト分類に基づくトピック特異的感性分析の新たな手法も提案しています。本研究の結果、「スター・ノード」が効果的なグラフデータ表現を学習し、これら3つのタスクにおける現在の方法を改善できることを示しました。特に、グラフ分類とリンク予測において、GraphStarはいくつかの主要なベンチマークで現行の最先端モデルよりも2-5%優れた性能を発揮しています。