也叫网路嵌入network embedding: 将网络中的结构(节点 边 子图)映射到一个低维空间的稠密向量表示【高维稀疏的邻接矩阵à低维稠密的向量空间】理由：我们身边存在各种网络结构型数据：社交网络、引文网络、生物信息网..如果要对这些数据进行机器学习任务，通常我们知道需要向量形式的输入，因此对于这类网络结构数据就需要进行网络表示学习来得到优质的网络节点表示(embedding)总的方法可以分为基于网络结构和基于网络属性的含义：利用network学习数据表示的过程目的：将网络中的节点表示成低维、实值、稠密的向量形式模型主要结构：Encoder + Decoder以下是embedding的例子—————图谱嵌入表示学习—————————–知识图谱：语义网络(实体+关系) be like三元组结构Knowledge Graph Embedding：将知识图谱映射到一个低维向量空间中，用低 维、稠密的向量表示实体和关系模型：双层注意力编码器 + ConvP解码器     Read more