关于SimGCL不加入0层卷积（即原始表示）的问题

[Light-lyy]

我使用pytorch在自己划分的gowalla数据集上实现SimGCL想看看效果，根据您的论文，在进行带噪卷积时我没有加入0层表示来计算最终表示，但由于疏忽，在进行不带噪声的正常卷积时我加入了0层卷积表示来计算最终表示（与LightGCN保持一致）。并在一定范围内搜索超参，最终得到不错的结果（相比LightGCN有提升）。

后来我发现了自己的疏忽，根据您的论文（It should be mentioned that we skip the input embedding E(0) in all the three encoders when calculating the final representation）和代码，不带噪声的正常卷积也应该不加入0层卷积。我修改代码后在同样范围内搜索超参，可是得到的最好的结果甚至还不如LightGCN了。

这让我很不解，希望能得到您的解惑

[Coder-Yu]

根据我们后续的实验，多数数据集上不加入第0层效果会好，少部分加入与不加入变化不大。暂时还没发现不加入变差的情况。不加入的原因是因为我们发现对比学习对于单纯的BPR-MF并无提升，所以将第0层移除了。另外，在gowalla上似乎对比学习提升的量没有那么大，不论是SGL还是SimGCL都是如此，暂时还没有具体分析。 另外，在https://github.com/Coder-Yu/SELFRec 这个库里面有我的pytorch实现，你可以参考一下。