本研究提出了一种新型主动采样算法（ATS），用于恢复图分析中的缺失节点属性。该算法通过评估节点信息的代表性和不确定性，展现出优越性，具有实际应用潜力。

本研究提出了一种新模型HACD，基于异构图注意力网络，解决了传统社区检测方法忽视节点属性相似性和中观结构的问题。实验结果表明，HACD在多个任务中表现优于现有方法。

本文提出了一种名为GIL的框架，用于半监督图节点分类。该框架通过学习节点标签的推理，提高分类性能，并定义节点属性、节点路径和局部拓扑结构之间的结构关系，从而方便地从一个节点推导出另一个节点的推理。在四个基准数据集上进行了全面评估，结果表明，GIL方法具有卓越的性能。

本文介绍了一种创建网络感知嵌入的方法，通过估计数值节点属性之间的网络距离，而不是对节点进行聚类。作者修复了无监督学习文献中的盲点，并展示了该方法在各种领域的应用中始终是有益的，并且可以提供可操作的见解。