建议利用表示学习方法解决连续时间动态图中高阶接近性问题，并提出了一种新的空间-时间位置编码方法。实验证明该方法在各种规模的数据集上表现出优越性能和可扩展性。

多视图聚类在跨模态表示学习和数据驱动决策方面具有重要影响。自监督学习在多视图聚类方法中逐渐占主导地位。该论文探讨了自监督多视图聚类的原因、优势以及常见数据集、数据问题、表示学习方法和自监督学习方法的内部联系和分类，并介绍了各类方法的机制和应用示例。提出了一些待进一步研究和发展的开放性问题。