本論文は、グラフニューラルネットワーク（GNN）における過剰平滑化問題を解決するための既存の方法を統合的に分析して分類する研究です。過剰平滑化とは、ＧＮＮの層が深くなるにつれて埋め込み機能が類似してネットワークの近接性を区別できない現象をいう。本論文では、既存のさまざまな過平滑化緩和技術を、Augmentation、Transformation、Normallization、Propagation、Aggregationの5つの重要な段階で構成されるATNPAという統合的な観点から提示します。また、過剰平滑化解決のための3つのテーマを含む分類体系を提案し、既存の方法を6つのカテゴリに分類して各方法のATNPAとの関係、長所と短所などを詳しく分析することで、既存の研究に対する深い理解と将来の研究方向を提示する。
