본 논문은 그래프 신경망(GNN)에서 특징 상호작용을 효과적으로 모델링하기 위한 특징 그래프 구성에 초점을 맞추고 있다. 특히 쌍방향 상호작용에 주목하여, 합성 데이터셋을 통해 상호작용하는 특징 간의 간선이 GNN의 성능 향상에 중요한 역할을 한다는 것을 실험적으로 보여준다. 반대로, 상호작용하지 않는 특징 간의 간선은 노이즈로 작용하여 성능을 저하시킬 수 있음을 확인하였다. 또한, 최소 기술 길이(MDL) 원리를 이용하여 스파스한 특징 그래프 선택에 대한 이론적 근거를 제시하고, 필요한 상호작용 간선만을 유지하는 특징 그래프가 완전 그래프보다 효율적이고 해석 가능한 표현을 제공한다는 것을 증명하였다. 이는 오컴의 면도날 원리와 일치한다. 결론적으로, 본 연구는 GNN 모델의 성능과 해석성을 향상시키는 특징 그래프 설계에 대한 이론적 통찰과 실용적인 지침을 제공한다.
