본 논문은 이미지 및 비디오를 포함한 다양한 데이터 양식에서 최고의 생성 모델로 자리 잡은 확산 모델의 표현 능력을 활용하여 그래프 구조 데이터에 대한 의미 있는 임베딩을 학습하는 것을 목표로 한다. 특히, 그래프 데이터의 이산적 특성을 고려하여, 오토인코더 프레임워크 내에서 이산 확산 모델을 훈련시켜 효과적인 오토인코딩과 그래프 구조 데이터에 특화된 표현 학습을 가능하게 한다. 인코더의 출력과 디코더의 첫 번째 시간 단계 숨겨진 임베딩의 조합으로부터 표현을 추출하는 방식을 제시한다.
