Hard negtive node（硬负样本节点）：顾名思义，是比较硬的，难区分的。"硬负样本"通常指的是那些与positive node正样本节点相似度非常高，难以在潜在空间中与正样本区分开来的负样本。这些节点通常对于训练机器学习模型来说是挑战性的，因为模型需要学会正确地将它们分类为负样本。
Easy negative nodes（简答样本节点）：和上面一比较，意思是很容易与正样本节点区分开的。
上面的区分开，我觉得都是指节点都变为嵌入向量后再来进行区分，因为在嵌入空间的区分感觉更方便和直观。
使用对比学习contrastive learning可能有效开采Hard negtive node。