该研究提出了一种事件驱动的图对比学习方法（SE-GCL），旨在解决文本表示学习中的领域知识依赖和计算复杂性问题，从而提高算法效率，并在多个数据集上验证了其有效性。

本文提出了GCL-GE指标来衡量GCL的一般化能力，并设计了名为InfoAdv的GCL框架，平衡了预训练任务适配和下游任务的一般化能力，取得了最先进的性能。