网络嵌入性理论,网络嵌入性

　　定义：图嵌入又称网络嵌入，是一种网络表示学习的方法，目的是用低维稠密的向量空间来表示高维稀疏的向量空间。学习到的特征可以用于机器学习任务，例如分类、回归和聚类。

　　备注：稀疏是指一个向量(空间)中大多数元素为0，只有少数元素为非0。

　　介绍了一种特殊的网络嵌入算法，称为加速属性网络嵌入算法(AANE)。详情请咨询、李，《Accelerated Attributed Network Embedding》。DOI: 10.1137/1.9781611974973.71，载于《2017 SIAM数据挖掘国际会议论文集》第633-641页。

　　AANE的优点是可以同时把埋线工作交给多个工人，同时独立完成，大大节省了时间。

　　与一般的网络嵌入方法相比，如PCA(主成分分析)、LINE(大规模信息网络嵌入)、DeepWalk等。AANE算法在许多数据集上表现出特征提取的优越性，因此可以作为一种有效的工具来提取网络特征。

　　代码可以在github(基于Python):https://github.com/xhuang31/AANE_Python上找到

　　(基于MATLAB):https://github.com/xhuang31/AANE_MATLAB

　　应用该算法时，只需给定待输入的属性矩阵A，通过余弦相似度、皮尔逊相关系数等相似性度量，计算相似度矩阵S(可在源代码中根据需要修改)。对于未加权的网络，W可以忽略。给定嵌入维数D，运行代码后就可以得到最终的嵌入矩阵H。