该文介绍了一种自我监督方法，通过三个前置任务指导自动边界分离，并与下游节点分类任务一起训练，以提高通道的捕获能力。实验结果表明，DisGNN在六个真实世界数据集上取得了显着的性能提升，为边缘分离和图学习提供了新的解决方案。