연구진은 기존 손실 함수가 지역적인 정보만 활용한다는 문제점을 지적하며, 그래프 기반 손실 함수인 G-Loss를 제안했어요. G-Loss는 문서 간 유사성을 기반으로 그래프를 구축하여 전역적인 의미 구조를 반영하고, 더 차별적이고 강력한 임베딩 학습을 유도해요. 5개의 벤치마크 데이터셋에서 G-Loss는 기존 손실 함수보다 빠른 수렴 속도와 높은 분류 정확도를 보여줬어요.