本記事では、シーケンシャルかつ関係性を持つデータセットに焦点を当て、既存のシーケンスモデルやグラフモデルが双方のモダリティを無視していることに対し、シーケンスとグラフは同じデータセットの補完的な側面であると主張しています。提案されている手法BRIDGEは、シーケンスエンコーダとGNN（グラフニューラルネットワーク）を単一の目的のもとで組み合わせ、訓練中に勾配が両者を流れることを可能にします。これにより、隣接するシーケンス間でのメッセージパッシングの精密化が図られ、友人関係の予測や不正検出といった具体的なタスクにおいて、従来の静的GNNやシーケンスオンリーの手法よりも優れた性能を示しました。