この記事では、グラフ神経ネットワーク（GNN）が関係データの分析に重要なツールであることを背景に、メッセージパッシング手法を改善する新しい枠組みである「周辺コンテキスト化メッセージパッシング（NCMP）」を提案しています。従来のメッセージパッシング手法は、中心ノードと隣接ノードの特徴のみを考慮し、周辺全体の情報を無視していました。この制限を克服するために、周辺コンテキスト化の概念を非自明に定式化し、効果的で効率的な手法を開発しました。そして、ソフト同型周辺コンテキスト化グラフ畳み込みネットワーク（SINC-GCN）として具現化し、合成バイナリノード分類問題でその効果を示しました。この研究は、古典的GNNのグラフ表現能力を向上させるための実践的な道筋を提供しています。