交通予測はインテリジェント交通システム（ITS）において極めて重要である。交通行動に内在する複雑性および交通データの非ユークリッド的な性質により、正確な交通予測を実現することは困難である。これまでの研究では、異なるノード間の関係性に着目したものの、大多数は静的表現に依存しており、時間に伴う動的なノード間相互作用を捉えきれていない。また、過去の研究では時系列依存性を捉えるためにRNNベースのモデルが用いられてきた。RNNは予測問題において広く用いられる手法ではあるが、メモリを大量に消費し、学習が遅いという課題がある。さらに、最近の研究では、ノード間の類似性を活用してノード間の相互関係をより適切に表現しようとする試みがなされている。しかしながら、本研究者らの知る限り、ノードの寄与度（contribution）に関する検討はまだ行われていない。