본 논문은 그래프 신경망(GNN)의 성능 향상을 위해 노드의 지역적 위상 정보를 담은 구조적 표현을 활용하는 새로운 모델, GSAT(Graph Structure Attention Network)을 제안합니다. 기존 GNN은 거리상 먼 노드 간 메시지를 전달하기 위해 많은 층을 필요로 하여 과평활(oversmoothing) 문제를 야기하는데, GSAT는 익명 랜덤 워크(ARW)를 이용하여 구조적 정보를 모델링하고, 이를 그래프 어텐션 네트워크(GAT)의 일반화된 형태로 통합합니다. GSAT는 노드 이웃 간 다양한 에지에 대한 패턴을 자동으로 찾아 그래프 표현을 풍부하게 하며, 일부 그래프 분류 벤치마크에서 최첨단 성능을 약간 향상시켰습니다.