그래프 데이터에서의 노드간 방향성은 인과관계로도 해석될 수 있으며 이를 반영하는 것은 예측 및 추론에 성능 향상 및 풍부한 설명력을 기대할 수 있다. 본 논문에서는 그래프 데이터에서 노드 사이에 존재하는 방향성을 예측하기 위한 엣지 차원 추론 방법을 제안한다. 제안 방법론은 뉴럴 네트워크 모델을 기반으로 하며 노드의 특징 차원으로부터 엣지 차원을 추론하고, 이를 이용하여 엣지를 분류하는 방법으로 노드간 방향성을 예측한다. 또한 엣지 차원 추론 과정에 있어서는 두 노드를 조합하기 위한 변수별 가중치를 학습한다. 제안 알고리즘은 세 종류의 논문 인용 데이터셋에 적용한 결과, 모든 데이터셋에 대해 평균 AUC 0.8580으로 우수한 예측 성능을 보였다.