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.
问题：
通过利用用户和服务之间的历史交互记录，协同过滤（Collaborative filtering）成为了一种主流的QoS预测方法，但其往往存在数据稀疏和冷启动的困难。
解决办法：
提出了一种基于图对比学习的双子图网络，来解决冷启动QoS预测问题。
首先，基于稀疏的用户-服务双向图，生成不同的用户邻域子图和服务邻域子图；
其次，模型在生成的子图上执行图对比学习和图注意聚合机制，来获取用户embedding和服务embedding；
最后，将用户和服务的embedding喂入多层感知网络来预测QoS值。
结果：
实验结果表明，该模型在预测精度方面，优于现有的几种模型。
细节：