연구진은 그래프 머신러닝에서 표현 학습의 해석 가능성을 높이기 위해 Aitchison 기하 기반의 새로운 프레임워크를 제안했습니다. 새로운 프레임워크는 노드를 복소수 값의 조합으로 표현하고, 노드 간의 관계를 보존하는 ILR 좌표를 통해 해석 가능한 임베딩을 생성합니다. 노드 분류 및 링크 예측에서 기존 방식과 경쟁력 있는 성능을 보이면서도, 구조 변화에 따른 표현의 일관성을 유지합니다.