SFFAI 1 | 网络表示学习介绍 发表于 2018-12-02 分类于 🌙进阶学习 ， ⭐讲座 阅读次数： Valine： 本文字数： 294 阅读时长 ≈ 1 分钟网络数据可以自然表达物体与物体之间的联系，生活中充满了网络数据，例如社交网络、计算机网络、物流网络、学术网络等等。在有关网络的研究中，如何表示网络信息是一个重要的问题。传统方法可以利用高维稀疏向量表示网络中的一个节点，但局限在于难以度量节点之间的相似性并且还会增大模型的时间和空间复杂度。随着表示学习技术在自然语言处理领域的成熟，相关的低维稠密向量表示方法也被应用于网络数据中。本文主要对近年来比较流行的几种网络表示学习方法进行简要的梳理和总结，以方便读者选择合适的方法解决特定的问题。参考资料https://www.bilibili.com/video/BV1jt411D7Yg/