本記事では、屋内でのWi-Fi指紋を用いた位置特定における新しい手法「MG-HGNN」を提案する。従来のRSSI（受信信号強度指標）ベースの手法は、環境の複雑さや多源情報処理の課題により精度が低下することがある。MG-HGNNは、ノードとエッジの埋め込みを行い情報豊富なグラフを生成するために、二つのグラフ構築ブランチを採用している。さらに、このフレームワークでは異種グラフニューラルネットワークを用いて、より高精度な位置特定を実現する。主な革新点として、タスク指向の多タイプグラフ構築や、従来のGNNモデルの性能向上を図る異種GNN構造が挙げられる。UJIIndoorLocおよびUTSIndoorLocの公開データセットでの評価結果は、MG-HGNNが最新の手法と比較して優れた性能を示し、GNNベースの位置特定手法の新しい視点を提供することを示している。