一篇论文通常由以下几个部分构成：摘要（门面）、引言、相关工作、前沿知识、提出的模型或者方法、实验、结论。这里会介绍每一个部分应该如何构思以及完成写作。并以GCL4SR为例子进行分析
一、摘要
摘要是一篇文章的凝练，其一般需要回答几个问题：（1）这篇文章研究的什么领域（CV、NLP、RS等）？（2）这个领域存在的问题（这篇文章需要解决的问题）？（3）当前已有的工作在解决这个问题上的不足之处巴拉巴拉？（4）我们提出的模型缓解了该问题，其由以下几个部分组成巴拉巴拉？（5）我们的模型在几个数据集上取得了SOTA的效果？另外可以加一些补充的实验（6）我们的模型的鲁棒性（抗噪、缓解数据稀疏、效率）也取得了不错的效果巴拉巴拉？
The sequential recommendation systems capture users’ dynamic behavior patterns to predict their next interaction behaviors.（主要说明该文章关注的领域-序列推荐） Most existing sequential recommendation methods only exploit the local context information of an individual interaction sequence and learn model parameters solely based on the item prediction loss. Thus, they usually fail to learn appropriate sequence representations.（提出当前已有工作存在的问题-没有考虑全局的上下文信息） This paper proposes a novel recommendation framework, namely Graph Contrastive Learning for Sequential Recommendation (GCL4SR). Specifi- cally, GCL4SR employs a Weighted Item Transition Graph (WITG), built based on interaction sequences of all users, to provide global context information for each interaction and weaken the noise information in the sequence data. Moreover, GCL4SR uses subgraphs of WITG to augment the representation of each interaction sequence. Two auxiliary learning objectives have also been proposed to maximize the consistency between augmented representations induced by the same interaction sequence on WITG, and minimize the difference between the representations augmented by the global context on WITG and the local representation of the original sequence.（本篇工作所做的贡献-提出巴拉巴拉） Extensive experiments on real-world datasets demonstrate that GCL4SR consistently outperforms state-of-the-art sequential recommendation methods.（实验结果表明其取得SOTA）
二、引言
引言是摘要的扩充版本，其针对摘要需要回答的每一个问题都进行了扩充，首先是研究的领域（包括但不限于研究该领域的价值与意义、该领域的发展现状、该领域存在的主要问题）。其次是已有工作的简短介绍（因为相关工作会更加详细地介绍，所以只需要简短介绍）以及该工作仍然存在的问题（其有待解决的问题）。接着是论文提出的模型解决了什么问题（其构成部分有哪些、每一部分设计的缘由等）。最后是实验结果（主要说明自己的贡献）。
GCL4SR的引言主要包括三段，第一段介绍该领域当前存在的三个问题；第二段介绍该工作是如何解决这三个问题的；第三段主要介绍其贡献。
三、相关工作
相关工作主要理清这个领域的发展脉络（可以从两方面入手，首先是从该领域入手，把相关的工作按照某个体系进行简单的分类，分成早期工作和最近的工作；第二是按照种类将相关工作进行分类，比如原始机器学习方法、深度学习方法等）。其核心主要是理清楚该领域的发展脉络，特别是与自己工作相关的文章一定要介绍清楚。
GCL4SR按照第二种原则进行划分，也即按照类别把相关工作分为序列推荐以及自监督学习。
四、前沿知识
这里的前沿知识是默认读者知道的知识，但是会存在不同领域的人读该文章，所以需要对后续描述中用到的不常见的概率或者部件进行一个简短的描述（例如自注意力机制、数据增强等）。
GCL4SR的前沿知识主要是其提出的WITG是如何构建的。
五、模型和方法部分
模型和方法可以按照整体-局部的方法进行介绍，也可以按照局部-整体的方法进行介绍。一般是按照先概述模型，然后按照分块介绍自己的模型（总-分的结构）。
GCL4SR的模型部分按照总-分-总进行介绍，先是把模型的每个组件声明一遍，然后依次进行介绍，最后再汇总。
六、实验
实验是一篇文章的第二门面，其主要作用是使用数据对该文章的贡献进行展示，例如是否是SOTA、其效率是否有提高、其鲁棒性是不是有提高，这些凡是在摘要或者引言中提出的贡献都需要实验数据的支撑。这里实验还需要包括实验设置的描述、实验参数的具体设置等（方便读者进行复现）。
GCL4SR的实验包括两部分（实验内容、实验结果），实验内容包括数据集、实验配置（数据集划分、评价指标）、baseline模型、实验参数设置细节；实验结果包括一张大表、消融实验、参数敏感性最后是模型的迁移性（只是换了编码器，其都是有效果的）。
七、结论
结论是文章的一次凝练，其要包括引言部分的贡献以及对本工作的简短描述，最好加上对未来工作的一个简短展望（未来会将其应用到巴拉巴拉）。
This paper proposes a novel recommendation model, namely GCL4SR, which employs a global transition graph to describe item transition patterns across the interaction sequences of different users. Moreover, GCL4SR leverages the subgraphs randomly sampled from the transition graph to augment an interaction sequence.Two auxiliary learning objectives have been proposed to learn better item and sequence representations.（介绍这篇工作的主要贡献，提出了巴拉巴拉，其由巴拉巴拉构成） Extensive results on real datasets demonstrate that the proposed GCL4SR model consistently outperforms existing sequential recommendation methods. （实验结果表明了该方法的优越性） For future work, we would like to develop novel auxiliary learning objectives to improve the performance of GCL4SR. Moreover, we are also interested in applying GCL4SR to improve the performance of other sequential recommendation models.（未来研究的方向）
