본 논문은 실제 그래프의 노드들이 다양한 패턴(degree, homophily 등)을 보이는데, 기존 노드 예측 모델들은 이러한 다양한 패턴을 제대로 포착하지 못하거나 특정 패턴에만 의존하여 성능이 저조하다는 문제점을 지적합니다. 따라서, 다양한 노드 패턴에 따라 서로 다른 노드 예측 모델을 전략적으로 선택하는 혼합 전문가(Mixture of Experts, MoE) 프레임워크인 MoE-NP를 제안합니다. 실제 데이터셋을 통한 실험 결과, MoE-NP가 기존 방법보다 성능 향상을 보임을 확인했습니다.
