该论文介绍了一种名为G-GNNs的新型模型，通过无监督预训练获取节点的全局结构和属性特征，并在平面图和属性图上进行了实验，表现优异。

该论文提出了一种名为G-GNNs的新型模型，通过无监督预训练获取节点的全局结构和属性特征，并利用这些特征和原始网络属性提出了一种GNN的并行框架。该模型在平面图和属性图上进行了实验，并在三个标准评估图上表现出色，特别是在属性图学习方面，G-GNNs在Cora（84.31％）和Pubmed（80.95％）上建立了新的基准记录。