颜铭江，董一鸿，苏江军，陈华辉，钱江波

综述

面向复杂网络的异构网络表示学习综述

颜铭江，董一鸿，苏江军，陈华辉，钱江波

（宁波大学信息科学与工程学院，浙江 宁波 315211）

异构信息网络包含丰富的节点信息和链接信息，具有复杂异质性、高稀疏性、属性高维性等特性，这些特性给网络表示学习任务带来了巨大的挑战。异构网络表示学习通过在嵌入过程中将多样化的异质信息和结构信息进行有效融合，学习得到更有利于下游机器学习任务的低维特征向量。从异构网络表示学习方法的研究粒度出发，对近年的研究现状进行了比较全面的分析和讨论。首先探讨网络表示学习的产生动机，阐述了近年的异构网络表示学习的研究历程；然后对具有代表性的算法模型进行分类讨论，归纳其主要的研究内容和所使用的嵌入技巧。最后给出了未来工作中异构网络表示学习可能的研究方向和比较有价值的研究内容。

网络表示学习；异构信息网络；图嵌入；图神经网络；异质信息

1 引言

互联网基础建设的快速发展使各种线下信息数字化，导致可利用信息呈爆炸式增长。这些庞大数据中多样化实体和实体间关联构成了一系列不同的信息网络，如社交网络[1-2]、生物分子网络[3]等，催生了针对网络数据进行数据挖掘的研究。网络表示学习[4]（network representation learning/ network embedding，NRL）又称为图嵌入，是为了能有效地进行信息网络数据挖掘任务而产生的研究方法。网络表示学习依……