本文提出了GRAPHEDM方法，结合网络嵌入、图正则化神经网络和图神经网络，以提升图表征学习的通用性和性能。分析了大图模型的挑战与机遇，探讨了异质图学习的现状与未来方向，并提出了UniGraph框架以增强图模型的泛化能力，开发了通用图基础模型，显著提升了零样本图学习任务的表现。

本文介绍了一种使用图表征学习的方法来解决多视图表格数据的无监督建模问题，并提出了一种新的分层图自编码器LEGATO，能够动态地汇集多个视图的信息，并通过定位信息对输入进行建模，提高下游性能。