다음 단계 메시지 전달: 계층적 지원 그래프를 이용한 방법

메시지 패싱 신경망(Message-Passing Neural Networks, MPNNs)은 그래프 학습 과제에서 널리 사용되지만, 각 메시지 패싱 라운드에서 이웃 노드에만 제한되어 정보 교환이 이루어지는 등의 한계점을 가지고 있습니다. 이러한 한계를 극복하기 위해 가상 노드를 도입하여 전역적인 정보 교환을 촉진하는 다양한 전략이 제안되었습니다. 본 연구에서는 원래 그래프의 재귀적 조정을 통해 생성된 가상 노드 개념의 확장인 계층적 지원 그래프(Hierarchical Support Graph, HSG)를 소개합니다. 이 접근 방식은 특정 MPNN 레이어와 독립적으로 그래프 내 정보 흐름을 강화할 수 있는 유연한 프레임워크를 제공합니다. 우리는 HSG의 이론적 분석을 제시하고, 그 경험적 성능을 조사하며, HSG가 가상 노드를 활용한 다른 방법들을 능가하여 다수의 데이터셋에서 최신 기술 수준의 결과를 달성할 수 있음을 입증합니다.