介绍了一种名为SAC的新型框架，利用邻居的接近性和高阶信息，提出了邻居信息瓶颈来学习目标节点到邻居的预测任务的最小充分表示，并消除邻居的冗余。实验结果表明，SAC方法在公共推荐数据集和Douyin-Friend-Recommendation数据集上优于现有的最先进方法。