自我监督的超图用于学习多个世界解释

本文提出了一种使用transformer和neighborhood aggregation模块的方法，将多个具有不同特征的图的节点向量映射到通用向量空间，实现了在多个相同类型图之间学习通用特征。该方法在节点分类任务上表现更好，填补了自监管和有监管学习之间的差距，并提高了图自监管学习的表现。