【QoS预测】基于图对比学习的双子图网络进行冷启动QoS预测

论文题目：

Zhu J, Li B, Wang J, et al. BGCL: Bi-subgraph network based on graph contrastive learning for cold-start QoS prediction[J]. Knowledge-Based Systems, 2023, 263: 110296.

模型细节：

模型主要包括3部分：

（1） 双子图生成：使用edge dropout策略对原始数据集进行数据增强，生成2个子图。每个子图再根据调用相似性和位置相似性生成用户邻接子图和服务邻接子图（共4个子图）。

（2） 图对比学习：在嵌入层嵌入用户id和用户位置信息（串联）、服务id和服务位置信息（串联）。在图注意力层调用图注意力网络，根据嵌入信息，从各个子图的邻居聚合中，获取子图中每个节点的嵌入表示。在图对比学习层，引入一个对比学习损失，根据每个节点的嵌入表示，最大限度地提高正对（不同子图中的相同节点）的一致性和最小化负对（不同子图中的不同节点）的一致性。引入注意力机制，计算不同视图的重要性权重，从而计算不同子图中相同节点的最终嵌入表示。

（3） qos预测：使用MLP，根据用户u和服务s的嵌入表示，预测从用户u到服务s的qos值。