グラフ構造データを低次元メトリック空間に表現する新しい手法を提案する。最適化問題としての埋め込みに基づき、ニューラルネットワークを用いて正則化を行うことで、グラフ構造を忠実に反映する埋め込みを得ることができる。さらに、距離関数を柔軟に設定することで、グラフの特性に合わせた埋め込み空間の幾何学的構造を実現できる。この手法を用いてコミュニティ検出を行うと、従来手法と比べて計算量が大幅に削減されつつ、優れた性能を示す。