图神经网络（GNNs）用于链接预测，有两种广泛的分类：以节点为基础的体系结构和基于边的方法。研究人员提出了一种新颖的GNN体系结构，通过正向和负向边的前向传递来摄入更灵活但仍然廉价的以节点为基础的嵌入。该体系结构在经验评估中表现出与基于边的方法竞争性的准确性。

本文研究了语言转移下更新语言模型的利弊，通过添加挪威语和冰岛语等数据到单语英语模型中，发现前向传递积极且与语言顺序无关，后向传递则取决于新语言的顺序和特点。探索了几种语言相似性度量，发现句法相似性与结果相关性最好。