本文介绍了一种名为GraphCL的自我监督学习框架，用于学习节点表示。该框架通过最大化同一节点的本地子图的内在特征和连接结构的两个随机扰动版本的表示之间的相似性来学习节点嵌入，并使用对比学习损失来最大化它们之间的一致性。