本研究提出了一种新型图神经网络模型GRAIN，旨在解决异质图任务中的信息聚合不足问题。GRAIN通过多粒度聚合和考虑隐式关系，显著提升了节点表征质量，实验证明其在多个数据集上优于12种先进模型。

本文介绍了一种基于自监督的图表示学习方法，通过子图对比提升图数据的结构信息捕捉能力。实验结果表明，该方法在图异常检测、节点表征学习和图分类任务中表现优越，超越了传统的半监督学习方法。