ICLR22 自监督graph learning------------AUTOMATED SELF-SUPERVISED LEARNING FORGRAPHS--- 密歇根州立

本文是 如何 学得 多个不同自监督任务的 权重，自动学习， 从同质性假设推断， 好的embedding 其同质性更强， 同质性作为自监督的任务，理论依据：最大化同质性==最大化标签之间的互信息，提出基于进化和 基于元学习的 方法。 本文 不同学习权重的方法  可以借鉴，此外 将homo在学习表征过程考虑，对同质图有用。

实验和 GDI MVGRL一样 一层encoder node classfication  node clustering