यह शोधपत्र सैद्धांतिक रूप से पारंपरिक क्लस्टर-आधारित उथली शिक्षण विधियों और एकीकृत अनुकूलन ढाँचे के अंतर्गत ग्राफ़-आधारित अर्ध-पर्यवेक्षित शिक्षण (GSSL) में हाल ही में उभरे ग्राफ़ कन्वोल्यूशनल न्यूरल नेटवर्क (GCN) के बीच संबंधों पर चर्चा करता है। विशेष रूप से, हम प्रदर्शित करते हैं कि मौजूदा विधियों के विपरीत, पारंपरिक GCN प्रत्येक स्तर पर ग्राफ़ संरचना और लेबल जानकारी दोनों पर विचार नहीं कर सकते हैं। इसके आधार पर, हम तीन नवीन ग्राफ़ कन्वोल्यूशनल विधियाँ प्रस्तावित करते हैं: OGC, एक पर्यवेक्षित शिक्षण विधि जो लेबल जानकारी का उपयोग करती है; GGC, एक अपर्यवेक्षित शिक्षण विधि जो ग्राफ़ संरचना को संरक्षित रखती है; और इसका बहु-स्तरीय संस्करण, GGCM। हम व्यापक प्रयोगों के माध्यम से उनकी प्रभावशीलता प्रदर्शित करते हैं। स्रोत कोड सार्वजनिक रूप से उपलब्ध है।
