本研究では、テキスト属性グラフにおける異種性に対処するための新しい枠組み、GCL-OTを提案します。従来の手法は同質性を前提とするため、異種グラフにおいては効果的ではありませんでした。GCL-OTは、異種性を多段階で捉えた設計が特徴であり、特に完全異種性、部分異種性、潜在的同質性に対応するメカニズムを取り入れています。部分異種性に対しては、重要な隣接単語との相互作用を強調する新しい類似度推定器を設計し、完全異種性には、最適輸送による整列中に関連のないノイズを除外するフィルターを導入します。また、OT（Optimal Transport）に基づくソフトスーパービジョンにより、潜在的な同義の隣接点を見つけ出し、学習を強化します。実験結果はGCL-OTが最先端の手法に対して優れることを示しており、その効果と堅牢性を確認しています。