यह शोधपत्र एक नवीन ग्राफ़ पुनर्निर्माण तकनीक, TRIGON प्रस्तुत करता है, जो ग्राफ़ न्यूरल नेटवर्क (GNN) के प्रदर्शन में बाधा डालने वाली ओवरस्क्वैशिंग और ओवरस्मूथिंग समस्याओं का समाधान करती है। GNN ग्राफ़-संरचित डेटा सीखने के लिए एक अग्रणी विधि के रूप में उभरे हैं। TRIGON एक ऐसा ढाँचा है जो विभिन्न ग्राफ़ परिप्रेक्ष्यों से प्रासंगिक त्रिभुजों का चयन करके समृद्ध, समतलीय त्रिभुजों का निर्माण करता है। त्रिभुज चयन और वर्गीकरण प्रदर्शन को संयुक्त रूप से अनुकूलित करके, यह मौजूदा विधियों की तुलना में छोटे व्यास, बड़े वर्णक्रमीय अंतराल और कम प्रभावी प्रतिरोध सहित, उल्लेखनीय रूप से बेहतर संरचनात्मक गुणों वाले पुनर्निर्मित ग्राफ़ उत्पन्न करता है। विभिन्न समरूप और विषमांगी मानकों पर नोड वर्गीकरण कार्यों पर प्रायोगिक परिणाम दर्शाते हैं कि TRIGON अत्याधुनिक तकनीकों से बेहतर प्रदर्शन करता है।
