본 논문은 그래프 신경망(GNN)에서 과다 평활화(oversmoothing) 문제를 해결하기 위한 기존 방법들을 통합적으로 분석하고 분류하는 연구이다. 과다 평활화는 GNN의 층이 깊어짐에 따라 임베딩 특징이 유사해져 네트워크 근접성을 구분하지 못하는 현상을 말한다. 본 논문에서는 기존의 다양한 과다 평활화 완화 기법들을 Augmentation, Transformation, Normalization, Propagation, Aggregation의 다섯 가지 핵심 단계로 구성된 ATNPA라는 통합적 관점에서 제시한다. 또한, 과다 평활화 해결을 위한 세 가지 주제를 포함하는 분류 체계를 제안하고, 기존 방법들을 여섯 가지 범주로 분류하여 각 방법의 ATNPA와의 관계, 장단점 등을 자세히 분석함으로써 기존 연구에 대한 심층적인 이해와 미래 연구 방향을 제시한다.
