人们往往利用网络结构来表达事物之间的复杂联系，各种网络广泛存在于人类日常生活与工作中，对网络信息的研究与分析具有极高的学术价值与应用意义。网络研究与分析的关键问题是如何高效准确地表示结构化的网络信息。传统上，人们一般用高维稀疏向量来表示网络数据，虽然简单有效，但计算复杂度较高，需要较大存储空间，并且受到数据稀疏问题的影响，是这类方法的关键瓶颈。随着深度学习和表示学习技术在自然语言处理等领域的快速发展和广泛应用，研究者们开始探索将网络节点表示为低维稠密向量的表示方法，在网络分析的性能和效率方面均取得显著改进，成为网络分析研究的热点课题。
发表在《中国科学：信息科学》2017年第8期从大数据到大知识工程专刊中的 “网络表示学习综述” 概览了近年来网络表示学习领域的最新进展，做出了系统性的介绍和总结，并对未来的研究方向进行了展望。该研究由清华大学智能技术与系统国家重点实验室的刘知远助理教授和孙茂松教授主持，其他研究人员包括博士生涂存超和杨成。
该综述将网络表示学习的相关工作分为两个大类：一类只依赖于网络结构信息进行表示学习；另一类是在网络表示学习中同时考虑网络外部信息，如考虑文本、标签等。对于只依赖于网络结构本身的算法，该综述依据算法设计的类型，划分为基于矩阵分解、基于神经网络等类别，并在节点分类、链接预测任务上比较了不同方法的效果。而对于结合网络外部信息的方法，综述依据外部信息的类型进行了分门别类的介绍。
网络表示学习流程图
该综述还展望了网络表示学习的未来研究方向：现有网络表示学习方法主要依赖于静态的网络拓扑结构信息，忽略了网络结构的动态性，网络节点的异质性，节点拥有的大量外部信息等性质，这都是未来重要的研究方向。
近年来深度学习和表示学习在自然语言处理、语音识别、计算机视觉、信息检索和数据挖掘等领域均取得突破性进展，相信该综述也将极大推动网络表示学习在网络分析方面更加广泛而深入的应用，具有重要的学术意义。配合这篇综述作者还坚持维护一份“网络表示学习”论文清单：https://github.com/thunlp/NRLPapers, 获得很多学者与同学的关注。
第8期 从大数据到大知识工程专刊
目录
对话系统评价方法综述
张伟男, 张杨子, 刘挺
http://engine.scichina.com/doi/10.1360/N112017-00125
社会影响力分析综述
张静, 唐杰
http://engine.scichina.com/doi/10.1360/N112017-00137
网络表示学习综述
涂存超, 杨成, 刘知远, 孙茂松
http://engine.scichina.com/doi/10.1360/N112017-00145
聊天机器人中用户出行消费意图识别方法
钱岳, 丁效, 刘挺, 陈毅恒
http://engine.scichina.com/doi/10.1360/N112016-00306
基于Spatial-DCTHash动态参数网络的视觉问答算法
孟祥申, 江爱文, 刘长红, 叶继华, 王明文
http://engine.scichina.com/doi/10.1360/N112016-00288
基于用户在线查询行为的民航异常需求发现
许强永, 林友芳, 万怀宇, 吴丽娜, 贾旭光
http://engine.scichina.com/doi/10.1360/N112016-00268
利用编码器—解码器学习依存边翻译规则表示
陈宏申, 刘群
http://engine.scichina.com/doi/10.1360/N112016-00281
基于社交属性的时空轨迹语义分析
殷浩腾, 刘洋
http://engine.scichina.com/doi/10.1360/N112016-00310
基于随机行走N步的汉语复述短语获取方法
马军, 张玉洁, 徐金安, 陈钰枫
http://engine.scichina.com/doi/10.1360/N112016-00303
基于块密度加权标签路径特征的Web新闻在线抽取
吴共庆, 刘鹏程, 胡骏, 胡学钢
http://engine.scichina.com/doi/10.1360/N112016-00305
混合分类/回归模型的用户年龄识别方法
陈敬, 李寿山, 王晶晶, 周国栋
http://engine.scichina.com/doi/10.1360/N112016-00278
基于多特征多核哈希学习的大规模图像检索
曾宪华, 袁知洪, 王国胤, 杨洁
http://engine.scichina.com/doi/10.1360/N112016-00307
转载本文请联系原作者获取授权，同时请注明本文来自科学出版社科学网博客。
链接地址：https://wap.sciencenet.cn/blog-528739-1076736.html?mobile=1
收藏
