本研究探讨了基于单节点低维度向量嵌入模型的无监督图表示学习在社群标记任务中的表现，发现其效果较传统模型差且不稳定。通过对15个数据集的实验，结果显示在连接预测和节点分类任务中没有一种方法完全优越。文章还综述了图嵌入技术及其在生物医学任务中的应用，并提出了未来研究方向和潜在应用。

本研究提出了一种新颖的图嵌入技术，利用图采样和聚合预测加劲板的应力分布。与有限元-顶点图表示的方法相比，图神经网络和所提出的图嵌入方法作为高效减阶模型具有巨大潜力。