在图表示的自监督学习中，模型被训练以学习节点或整个图的有用特征，而无需显式标签。
典型方法利用诸如预测邻居节点、重建子图或区分真实与伪造连接等任务。
图神经网络（GNNs）常被用来通过聚合邻域信息生成丰富的节点或图嵌入。
目标是获得结构化且信息丰富的表示，可用于分类、聚类或链接预测等各种应用。