网络嵌入（network embedding）

Definition：图嵌入，又称网络嵌入，是网络表征学习的一种方法，旨在用低维、稠密的向量空间表示高维、稀疏的向量空间，所学习到的特征可以用于分类、回归、聚类等机器学习任务。

Remark: 稀疏指的是一个向量（空间）里面大部分元素都是0，只有少部分元素是非0的。

这里介绍一种特殊的网络嵌入算法，称为 Accelerated Attributed Network Embedding （AANE），加速属性网络嵌入，详细细节见：Xiao Huang, Jundong Li,  Xia Hu, 《 Accelerated Attributed Network Embedding》, DOI: 10.1137/1.9781611974973.71, In book: Proceedings of the 2017 SIAM International Conference on Data Mining, pp.633-641.

AANE的优点在于它可以把嵌入工作同时交给多个workers独立、同时间完成，大大地节省了时间。

对比一般的网络嵌入方法，如PCA（主成分分析）、LINE（Large-scale Information Network Embedding）、DeepWalk等，AANE算法在很多数据集上表示出了提取特征的优越性，因此，它可以作为提取网络特征的有效工具。

代码可以在github上面找到（基于python）:https://github.com/xhuang31/AANE_Python

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

在应用这个算法时，只需给定要输入的属性矩阵A，通过cosine相似性、pearson相关系数等相似性度量计算相似矩阵S（在源代码中可以按需要修改），针对无权重网络，W可以忽略，给定嵌入维度d,运行代码后即可得到最终的嵌入矩阵H。