본 논문은 그래프 풀링 과정에서 노드 제거 시 단순히 차수만 고려하는 것이 아니라, 다양한 관점(multi-view)에서 노드의 중요도를 고려하는 새로운 그래프 가지치기 방법인 Multi-View Pruning(MVP)을 제안합니다. MVP는 여러 개의 그래프 뷰를 생성하고, 재구성 손실과 과업 손실을 모두 고려하여 각 노드의 점수를 학습합니다. 다양한 벤치마크 데이터셋에서 기존 그래프 풀링 방법과 결합하여 성능 향상을 보이며, 다중 뷰 인코딩과 재구성 손실 고려가 성능 향상의 핵심임을 실험적으로 보여줍니다.
