본 논문은 반지도 그래프 분류를 위해 그래프 구조 데이터에서 그래프 표현을 학습하는 조건부 분포 학습(CDL) 방법을 제안한다. 특히, 약하게 및 강하게 증강된 특징의 조건부 분포를 원본 특징에 맞춰 정렬하는 종단간 그래프 표현 학습 모델을 제시한다. 이는 약한 증강과 강한 증강 모두 그래프 구조 데이터에 적용될 때 내재적인 의미 정보를 효과적으로 보존할 수 있도록 한다. 메시지 전달 메커니즘(MPM)과 음의 쌍의 대비 학습 간의 갈등을 피하기 위해, 원본 특징과 해당 약하게 증강된 특징 간의 유사성을 측정하기 위해 긍정 쌍의 노드 표현을 유지한다.
