본 논문은 가중치 그래프에서 노드 분류 문제를 해결하기 위해, 노이즈가 포함된 엣지 가중치로 인한 정확도 저하 문제를 해결하는 새로운 방법인 Edge Weight-aware Graph Structure Learning (EWGSL)을 제안합니다. EWGSL은 그래프 어텐션 네트워크의 어텐션 계수를 재정의하여 노드 특징과 엣지 가중치를 통합하고, 그래프 구조 학습을 통해 어텐션 계수를 스파스하게 만들며, 수정된 InfoNCE 손실 함수를 사용하여 성능을 향상시킵니다. 실험 결과, EWGSL은 기존 최고 성능 기법 대비 평균 Micro-F1 점수가 17.8% 향상됨을 보였습니다.
