近日，《中国科学：信息科学》评选出了“2019年度热点论文奖”，其中我组于2017年发表在《中国科学: 信息科学》第47卷第8期论文《网络表示学习综述》成功入选。

题目：网络表示学习综述

作者：涂存超，杨成，刘知远，孙茂松

摘要：网络是表达物体和物体间联系的一种重要形式，针对网络的分析研究的一个关键问题就是研究如何合理地表示网络中的特征信息。随着机器学习技术的发展，针对网络中节点的特征学习成为了一项新兴的研究任务。网络表示学习算法将网络信息转化为低维稠密的实数向量，并用于已有的机器学习算法的输入。举例来说，节点表示可以作为特征送入支持向量机等分类器用于节点分类任务，也可以作为欧氏空间中的点坐标用于可视化任务。近年来，网络表示学习问题吸引了大量的研究者的目光，本文将针对近年来的网络表示学习工作进行系统性的介绍和总结。

关键词：网络；表示学习；机器学习；深度学习；神经网络

下载链接：https://engine.scichina.com/doi/pdf/513cff8807b64705a319ba32a7cc7ebd

涂存超，清华大学自然语言处理与社会人文计算实验室已出站博士后。2017年，作为CEO创立北京幂律智能科技有限责任公司，专注于人工智能技术在法律行业的应用。曾获清华大学优秀毕业生（Top 4%）、清华大学优秀博士论文、北京市优秀毕业生（Top 5%）等荣誉。主要研究方向包括自然语言处理和社会计算领域，在国际顶级学术期刊及会议上发表论文十余篇。

杨成，清华大学自然语言处理与社会人文计算实验室已毕业博士生，2019年博士毕业赴北京邮电大学计算机系任助理教授。曾获清华大学计算机科学与技术系优秀博士毕业生。主要研究方向包括图数据挖掘与自然语言处理。在国际顶级学术期刊及会议上发表论文十余篇，Google Scholar引用超1000次，并担任ACL、EMNLP、AAAI、IEEE TKDE等国际会议期刊程序委员会委员和审稿人。

刘知远，清华大学计算机系副教授、博士生导师。主要研究方向为表示学习、知识图谱和社会计算。2011年获得清华大学博士学位，已在ACL、IJCAI、AAAI等人工智能领域的著名国际期刊和会议发表相关论文100余篇，Google Scholar统计引用超过10,000次。入选《麻省理工科技评论》“35岁以下科技创新35人”中国区榜单（MIT TR-35 China）、智源青年科学家、中国科协青年人才托举工程。 

孙茂松，长聘教授，博士生导师。现任清华大学人工智能研究院常务副院长、清华大学计算机学位评定分委员会主席、教育部在线教育研究中心副主任、清华大学大规模在线开放教育研究中心主任，曾任清华大学计算机系主任、党委书记。研究方向为自然语言理解、中文信息处理、Web智能、社会计算和计算教育学等。国家973计划项目首席科学家，国家社会科学基金重大项目首席专家。在国际刊物、国际会议、国内核心刊物上共发表论文200余篇，Google Scholar引用数超过13,000次。

《中国科学: 信息科学》（英文名称: SCIENTIA SINICA Informationis, SSI）是中国科学院和国家自然科学基金委员会共同主办、《中国科学》杂志社出版的学术刊物。此刊被SCOPUS、中国科学引文数据库(CSCD)、中信所“中国科技核心期刊”(中国科技论文统计源期刊)、中文核心期刊要目总览(北大核心)、中国科技论文与引文数据库(CSTPC)、日本科学技术振兴机构数据库(JST)(原日本科学技术社数据库)收录, 是F5000来源期刊，中国计算机学会(CCF) A类期刊，中国通信学会A类期刊。