본 논문은 가중치 그래프에서 노드 분류의 정확도를 향상시키는 새로운 방법인 Edge Weight-aware Graph Structure Learning (EWGSL)을 제안합니다. 기존의 그래프 노드 분류 방법들은 노이즈가 포함된 가중치와 이상치에 취약하지만, EWGSL은 가중치 학습과 그래프 구조 학습을 결합하여 이러한 문제를 해결합니다. 구체적으로, 그래프 어텐션 네트워크의 어텐션 계수를 노드 특징과 가중치를 고려하여 재정의하고, 그래프 구조 학습을 통해 어텐션 계수를 스파스하게 만들며, 수정된 InfoNCE 손실 함수를 사용하여 성능을 향상시킵니다. 실험 결과, EWGSL은 기존 최고 성능 방법보다 평균 Micro-F1 지표가 17.8% 향상됨을 보였습니다.
