この記事では、グラフニューラルネットワーク（GNN）の新しいモデル「ホップ-ホップ関係認識グラフニューラルネットワーク（HHR-GNN）」が提案されています。従来のGNNは、同種または異種のグラフに特化して設計されていましたが、この新モデルは両者に対応できるよう統一的な表現学習を実現します。HHR-GNNは、各ノードのために個別の受容フィールドを学習し、知識グラフ埋め込みを利用して中央ノードの異なるホップでの表現間の関係スコアを学習します。また、近隣集約においては、ホップに基づく投影と集約を同時に行うことができ、中央ノードが均一または不均一なグラフに対するホップ単位の近隣混合を学習できるようにします。実験結果は、競合する最先端GNNと比較して13K倍のトレーニングエポックあたりの時間コスト削減を示しており、高い性能を発揮しています。