软件学报

作者：王强，江昊，羿舒文，杨林涛，奈何，聂琦

单位：王强，武汉大学 电子信息学院, 湖北 武汉 43007211,江昊，武汉大学 电子信息学院, 湖北 武汉 43007202,羿舒文，武汉大学 电子信息学院, 湖北 武汉 43007203,杨林涛，华中师范大学 物理科学与技术学院, 湖北 武汉 43007904,奈何，武汉大学 电子信息学院, 湖北 武汉 43007205,聂琦，武汉大学 电子信息学院, 湖北 武汉 43007206

关键词：复杂网络;双曲空间;表征学习;网络嵌入;机器学习

基金：国家自然科学基金（U19B2004）；中山市高端科研机构创新专项（181129112748101）；广东省“大专项+任务清单”项目（2019sdr002）

复杂网络在现实场景中无处不在，高效的复杂网络分析技术具有广泛的应用价值，比如社区检测、链路预测等.然而，很多复杂网络分析方法在处理大规模网络时需要较高的时间、空间复杂度.网络表征学习是一种解决该问题的有效方法，该类方法将高维稀疏的网络信息转化为低维稠密的实值向量，可以作为机器学习算法的输入，便于后续应用的高效计算.传统的网络表征学习方法将实体对象嵌入到低维欧氏向量空间中，但复杂网络是一类具有近似树状层次结构、幂率度分布、强聚类特性的网络，该结构更适合用具有负曲率的双曲空间来描述.针对复杂网络的双曲空间表征学习方法进行系统性的介绍和总结.

来源：2021年第1期

《软件学报》期刊编辑部

查看软件学报杂志2021年第1期