我们介绍了深度图互信息（Deep Graph Infomax, DGI），这是一种在无监督模式下学习图结构数据中节点表示的一般方法。DGI依赖于最大化补丁表示与相应图的高层次摘要之间的互信息——这两者都是通过已建立的图卷积网络架构得出的。所学的补丁表示概括了以感兴趣的节点为中心的子图，因此可以用于下游的节点级学习任务。与大多数先前使用图卷积网络进行无监督学习的方法不同，DGI不依赖于随机游走目标，并且可以方便地应用于半监督和完全监督的学习场景。我们在多种节点分类基准测试中展示了具有竞争力的性能，有时甚至超过了有监督学习的表现。