본 논문은 그래프 편집 거리(GED)를 효율적이고 유연하게 계산하는 새로운 학습 기반 방법인 그래프 편집 네트워크(GEN)를 제안합니다. 기존의 학습 기반 방법들이 다양한 연산 비용을 고려하지 못하고, 비효율적인 매핑 수정 과정을 거치는 문제점을 해결하기 위해, GEN은 연산 비용을 고려하여 매핑을 설정하고, 그래프 관점에서 매칭의 어려움을 사전에 예측하여 최적의 매칭을 한 번에 선택하는 전략을 제시합니다. 실험 결과, GEN은 기존 최첨단 모델에 비해 최대 37.8%의 오류 감소와 72.7%의 추론 시간 감소를 달성하며, 다양한 비용 설정과 그래프 크기에서 강력한 성능을 보였습니다.
