异构信息网络表示学习[2018年止]

1 研究意义

现实世界中的各项社会活动都是紧密相连的，比如：社会网络、在线电商系统、论文引用网络等等，这些社会活动都可以表达为一个网络。多种类别的实体、多种类型的联系组成的网络更像一个异构信息网络。目前已有大量的工作进行异构信息网络的分析与挖掘，而异构信息网络嵌入属于其中一个大方向，通常作为下游任务（如：节点分类、链接预测、图分类等）的基础任务。

网络嵌入目标是将网络中的节点表达为一个低维向量，同时能有效保留网络的结构信息。近年来，表示学习发展迅速，图网络嵌入表示学习也取得了巨大成功，日益成为图相关任务必经阶段。

由于论文阅读有限，本文暂且介绍2018年前的部分经典论文。

由于涉及公式、图片，请参见附件。