यह पत्र इस बात पर प्रकाश डालता है कि लिंक भविष्यवाणी के लिए ग्राफ न्यूरल नेटवर्क (GNNs) में हाल ही में प्रकाशित परिष्कृत शिक्षण तकनीकों और मॉडल आर्किटेक्चर की प्रभावशीलता पुराने बेसलाइन मॉडल की तुलना में अतिरंजित हो सकती है। इसे संबोधित करने के लिए, हम ग्राफ ऑटोएनकोडर (GAEs) और ट्यूनिंग हाइपरपैरामीटर्स में अत्याधुनिक तरीकों में उपयोग की जाने वाली मॉडल-स्वतंत्र तकनीकों को लागू करके GAEs का व्यवस्थित रूप से पता लगाते हैं। हम पाते हैं कि अच्छी तरह से ट्यून किए गए GAE बेहतर कम्प्यूटेशनल दक्षता प्रदान करते हुए हाल के परिष्कृत मॉडल के समान प्रदर्शन करते हैं। विशेष रूप से, हम प्रमुख संरचनात्मक जानकारी और सीमित फीचर डेटा वाले डेटासेट पर महत्वपूर्ण प्रदर्शन लाभ प्राप्त करते हैं, और ogbl-ppa डेटासेट पर 78.41% का अत्याधुनिक Hits@100 स्कोर प्राप्त करते हैं।
