نقدم طريقة عامة تسمى Deep Graph Infomax (DGI) لتعلم تمثيلات العقد ضمن البيانات ذات الهيكل الرسومي بطريقة غير مراقبة. تعتمد DGI على زيادة المعلومات المتبادلة بين تمثيلات الأجزاء والملخصات المرتفعة المستوى للرسوم البيانية --- التي يتم استخراجها باستخدام هياكل الشبكات التلافيفية الرسومية المعروفة. تقوم التمثيلات المُتعلمة للأجزاء بتلخيص الرسوم الفرعية المركزة حول العقد محل الاهتمام، وبالتالي يمكن إعادة استخدامها في مهام التعلم النقطي اللاحقة. بخلاف معظم الأساليب السابقة للتعلم غير المراقب باستخدام شبكات GCN، لا تعتمد DGI على أهداف المشي العشوائي، وهي قابلة للتطبيق بسهولة في كلا الإعدادين التراندوكتيفي والإندوكتيفي للتعلم. نوضح الأداء التنافسي على مجموعة متنوعة من مقاييس تصنيف العقد، والتي تتجاوز في بعض الأحيان أداء التعلم المراقب.