收藏夹有一点爆炸,所以在这边开一个帖子直接扔这吧,下面的资料常看,温故知新。
网络表示学习(network representation learning,NRL),也被称为图嵌入方法(graph embedding method,GEM)是这两年兴起的工作,目前很热,许多直接研究网络表示学习的工作和同时优化网络表示+下游任务的工作正在进行中。
清华大学计算机系的一个学习组 新浪微博@涂存超 整理的论文列表:https://github.com/thunlp/NRLpapers,并一直持续更新着,里面详细的列举了最近几年有关网络表示学习(network representation learning/network embedding)比较有代表性的论文列表及其代码。
[(MLSS2017)网络表示学习]《Representation Learning with Networks》by Jure Leskovec [Stanford University] Part1:网页链接 Part2:网页链接 Part3:网页链接 Part4:网页链接
一篇综述性文章(University of Southern California (USC))及其code:
(1)文章:
Goyal P, Ferrara E. Graph Embedding Techniques, Applications, and Performance: A Survey[J]. arXiv preprint arXiv:1705.02801, 2017.
(2)代码:
https://github.com/palash1992/GEM一个github资料,里面有部分论文+code(大多数是python实现,matlab次之):
https://github.com/chihming/awesome-network-embedding三个slides:
(1)https://pan.baidu.com/s/1nuB5Rex
(2)https://pan.baidu.com/s/1geUHeQB
(3) https://pan.baidu.com/s/1cwB7pc