本文是對《A Survey on Network Embedding》一文的淺顯翻譯與理解，原文章已上傳至個人資源，如有侵權即刻刪除。
Title
《A Survey on Network Embedding》（2017）
——AAAI
Author: Peng Cui
個人總結
該文章是對網絡嵌入算法的詳細綜述。
1.介紹了傳統網絡表示的弊端：
（1）計算複雜度高；（2）並行性低；（3）不適用機器學習模型；
2.對算法和模型進行了分類：
算法可分爲三類：
（1）保留結構和屬性的嵌入；（2）邊信息的嵌入；（3）保留高級信息的嵌入；
模型可分爲三類：
（1）矩陣分解；（2）隨機遊走；（3）深度神經網絡；
3.對網絡嵌入和圖嵌入進行了比較。
4.保留結構和屬性的嵌入：
（1）保留結構的嵌入：
a.鄰域結構和高階節點相似度：DeepWalk、Node2vec、LINE、GraRep等；
b.網絡社羣：MNMF、SDNE、GEM-D等；
（2）保留屬性的嵌入：HOPE、SiNE等；
5.邊信息的嵌入：
（1）節點語境的嵌入：MMDW、RTM、TADW、LANE等；
（2）異質信息網絡嵌入；
6.保留高級信息的嵌入：
（1）信息擴散；（2）異常檢測；（3）網絡校準；
7.實踐中的網絡嵌入：
（1）現實世界數據集：
a.社交網絡：BLOGCATALOG、FLICKR、YOUTUBE、Twitter等；
b.引文網絡：DBLP、Cora、Citeseer、ArXiv等；
c.語言網絡：Wikipedia等；
d.生物信息網絡：PPI等；
（2）現實應用及評估標準：
a.節點分類：Micro-F1、Macro-F1等；
b.鏈路預測：precision@、Mean Average Precision(MAP)等；
c.節點聚類：Accuracy(AC)、normalized mutual information(NMI)等；
d.網絡可視化；
8.未來研究方向：
（1）更復雜的結構和屬性；（2）邊信息的效用；（3）更多高級信息和任務；（4）動態網絡嵌入；（5）更多嵌入空間；