本稿では、ノードおよびエッジの両方の特徴を持つグラフ構造データにおける半教師あり分類および回帰を目的として、CensNet（Convolution with Edge-Node Switching Graph Neural Network）を提案する。CensNetは、ノードとエッジを共に潜在特徴空間に埋め込む汎用的なグラフ埋め込みフレームワークである。元の無向グラフのライングラフ（line graph）を用いることで、ノードとエッジの役割を切り替え、特徴の伝搬を実現するための2つの新規なグラフ畳み込み演算を提案する。実世界の学術論文引用ネットワークおよび量子化学グラフを用いた実験結果から、本手法が最先端の性能を達成または同等の性能を発揮することが示された。