图表示学习如今已成为分析图结构数据的基础性技术。受近期对比学习方法成功的启发，本文提出一种新颖的无监督图表示学习框架，该框架在节点层面引入对比目标。具体而言，通过图结构扰动生成两种图视图，并通过最大化两个视图中节点表示的一致性来学习节点表示。为在结构和属性两个层面为对比目标提供多样化的节点上下文，我们提出一种混合式图视图生成策略。此外，我们从互信息和经典三元组损失（triplet loss）两个角度，为该方法的设计动机提供了理论支持。我们在多种真实世界数据集上，针对归纳式（inductive）和直推式（transductive）学习任务进行了充分的实验验证。实验结果表明，尽管方法结构简洁，但所提方法在各项任务中均显著优于现有最先进方法。尤为重要的是，在直推式任务中，该无监督方法甚至超越了其有监督的基线模型，充分展示了其在实际应用中的巨大潜力。