ノード埋め込みは、グラフデータを低次元空間で表現するための普遍的な手法となっています。グラフオートエンコーダーは、深層学習モデルの一つとして広く採用されており、グラフデータの再構成誤差を最小化することにより、教師なし学習でグラフ埋め込みを学習することを目的として提案されました。しかし、その再構成損失は潜在表現の分布を無視しており、これが劣った埋め込みをもたらす原因となっています。この問題を緩和するために、我々はエンコーダーによって学習された表現を正則化するためのランダムウォークに基づく方法を提案します。我々が提案した新しい改良手法は、ノードクラスタリングタスクにおいて既存の最先端モデルよりも大幅に優れた性能（最大7.5%）を示し、cora, citeseer, pubmedという3つの標準データセットでのリンク予測タスクにおいて最先端の精度を達成しています。コードは https://github.com/MysteryVaibhav/DW-GAE で公開されています。