본 논문은 기존 그래프 축약(condensation) 기법의 한계점을 지적하고, 이를 극복하는 새로운 방법인 Bonsai를 제시합니다. 기존 기법들은 전체 데이터셋으로 학습을 필요로 하고, 하이퍼파라미터나 GNN 아키텍처 변경 시 재축약이 필요하며, 크기 감소 효과가 미흡하다는 단점이 있습니다. Bonsai는 메시지 전달 GNN의 기본 처리 단위인 계산 트리(computation trees)에 기반하여, 대표 트리(exemplar trees)를 선택적으로 압축하는 방식을 사용합니다. 이는 선형 시간에 동작하는 모델 독립적인 알고리즘으로, 7개의 실제 데이터셋에서 기존 방법보다 정확도가 높고 평균 22배 빠른 속도를 보입니다. 엄밀한 수학적 근거에 기반하여 GNN 아키텍처, 데이터셋, 파라미터에 대한 강건성을 갖습니다.
