本研究提出了子图高斯嵌入对比(SGEC)方法，解决了自监督学习中生成对比样本的分布控制问题，并优化了相似性度量。实验结果表明，该方法在多个基准测试中表现优异。

本文介绍了一个三步流程，通过使用不同的过程模型相似性度量来对类似的局部过程模型进行分组。实际案例研究展示了分组的实用性以及发现的局部过程模型的重复性对其进行改进的影响。

本文提出了一种新的链接预测模型NCSM，通过在自定义的GNN层中将节点中心性和相似性度量作为边特征进行唯一的集成，有效地利用大型网络的拓扑信息。该模型在五个基准图数据集上表现更好，归功于对节点中心性、相似性度量的创新整合和对拓扑信息的高效利用。

向量数据库将数据存储为高维向量，可进行快速准确的相似性搜索和检索。使用相似性度量计算两个向量在向量空间中的距离。结果通常是与查询向量具有最高相似性得分的向量的排序列表。