グラフは一般的かつ強力なデータ表現技法で、化合物やソーシャルネットワーク等の複雑な構造を表現する際に有用である。グラフ構造で表現されるデータに対する機械学習の応用も盛んに行われているが、既存の機械学習手法の殆どはデータが固定長のベクトルで表されていることを前提としているため、グラフの適切な取り扱い方について多くの研究が成されてきた。近年のグラフニューラルネットワークは、グラフからの自動的かつ柔軟な特徴抽出を可能にし、予測精度を大きく向上させた。本論文では、これまで別々に研究が成されてきた外部グラフ及び内部グラフから構成される、より一般的なグラフ構造であるgraph of graphsのノードに対して、内外を統合する一貫学習による二重畳み込み法を用いて特徴表現学習を行う。実データを用いたリンク予測実験で、提案手法の有用性を示す。
