大规模复杂信息网络表示学习：概念方法与挑战-计算机学报.pdf

第卷第期 ４１ １０ 　 　　　　　　　　 Ｖｏｌ．４１Ｎｏ．１０ 年月 ２０１８１０ ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＣＯＭＰＵＴＥＲＳ Ｏｃｔ．２０１８ 　 ： 、 大规模复杂信息网络表示学习概念方法与挑战 ），） ） ） ） ） １２ １ １ ３ １ 齐金山 梁循 李志宇 陈燕方许媛 　　　 　 　　 ） １（ ） 中国人民大学信息学院北京１００８７２ 　 　 ） ２（ ） 淮阴师范学院计算机科学与技术学院江苏淮安２２３３００ 　 　 ） ３（ ） 中国人民大学信息资源管理学院北京１００８７２ 　 　 ， ， 、 摘要大数据时代的到来使得当前的复杂信息网络研究领域面临着三个基础性问题即网络的动态性大规模 　　 、 、 ， 性以及网络空间的高维性传统复杂信息网络特征的表示通常以邻接矩阵出入度中心性等离散型方式表达这 ． ， 种表达方式在现有的大规模动态信息网络的新环境下其计算效率及准确率都受到了很大的挑战随着机器学习 ． ， 算法的不断发展复杂信息网络的特征表示学习同样也引起了越来越多的关注与自然语言中的词向量学习的目 ． ， 标类似目前较为前沿的大规模复杂网络特征表示学习方法的目标是将网络中任意顶点的结构特征映射到一个低 、 ， ， ， 维度的连续的实值向量在进行这种映射的过程中尽量保留顶点之间的结构特征关系使大规模网络特征学习 《， 、 、 、 能够有效地应用于各类网络应用中如网络中的链接预测顶点分类个性化推荐大规模社区发现等通过对复杂