Re9：读论文 DEAL Inductive Link Prediction for Nodes Having Only Attribute Information

诸神缄默不语-个人CSDN博文目录

论文名称：Inductive Link Prediction for Nodes Having Only Attribute Information
论文ArXiv下载地址：https://arxiv.org/abs/2007.08053
论文IJCAI官方下载地址：https://www.ijcai.org/proceedings/2020/168（在该网站中有给出讲解视频链接，这TMD是我这么多天以来听到的第一个中国人讲的英文论文视频了！感动中国，终于有一个我听得懂的英语口音了！毛子口音和三哥口音我是真的受够了！）（本文中非论文配图的插图都截自该视频）

本文是2020年IJCAI论文，主要专注于inductive link prediction场景，新节点仅有attribute，没有结构信息。
大致来说，本文提出的模型DEAL是分别对attribute和图结构进行嵌入（2个encoder，一个是MLP，一个是直接以独热编码为初始化矩阵做节点表征（甚至比GCN效果好），都是比较基础的方法），然后使用一个对齐机制，在训练时通过在2个encoder的优化对比学习的损失函数之外另加入罚项，鼓励模型将相邻节点的两个表征对齐（还是类似对比学习的损失函数）。
在测试时用这个来计算连边概率：

如果是inductive范式，就不计算第一项。

可以跟引用了DEAL模型的LeSICiN¹做对比，LeSICiN直接用MLP计算概率得分，用这个得分来计算损失函数。但是整体思路差不多。

↓以下内容基本没写，就列了个标题出来，全部待补。

1. Background & Motivation

2. DEAL模型

3. 实验

3.1 数据集

3.2 baseline

3.3 实验设置

3.4 主实验结果

论文里也没说这个Cite.是啥模型。

3.5 模型分析

4. 代码复现

---

1. Re6：读论文 LeSICiN: A Heterogeneous Graph-based Approach for Automatic Legal Statute Identification fro︎