网络表示学习相关资料

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

一篇博客：

http://blog.csdn.net/Dark_Scope/article/details/74279582#0-tsina-1-3919-397232819ff9a47a7b7e80a40613cfe1

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