最近のグラフ忘却モデルの進展は、ノード表現の本質的な不変性を保ちながら、忘却セットに対して勾配上昇を用いて忘却を達成することでモデルの有用性を向上させました。しかしこのアプローチでは、勾配上昇の急速な発散速度により、忘却処理中にモデルの有用性が著しく低下します。本論文では、発散速度を遅くし、モデルの有用性を改善することに焦点を当てた影響を考慮したネガティブな好みの最適化フレームワークであるINPOを紹介します。特に、高影響エッジを忘却することが忘却の影響を軽減できるという理論的提案を行い、影響を考慮したメッセージ関数を設計しました。影響は除去ベースの方法で迅速に推定され、トポロジーの観点から過度な情報損失を避けるためのトポロジーエントロピー損失も提案されています。実験の結果、INPOベースのモデルは、忘却品質指標において最先端の性能を達成しました。