本文提出了一种无监督图补全学习（UGCL）框架，通过自监督学习改善GNN在具有特征和结构缺失的图上的任务性能。该方法通过分离特征重建和结构重建，并设计个性化模型来避免GNN消息传递中的不匹配。实验证明了该方法的有效性。