收藏夾有一點爆炸，所以在這邊開一個帖子直接扔這吧，下面的資料常看，溫故知新。

網絡表示學習（network representation learning，NRL）,也被稱為圖嵌入方法（graph embedding method，GEM）是這兩年興起的工作，目前很熱，許多直接研究網絡表示學習的工作和同時優化網絡表示+下游任務的工作正在進行中。

1. 清華大學計算機系的一個學習組 新浪微博@塗存超 整理的論文列表：https://github.com/thunlp/NRLpapers，並一直持續更新着，里面詳細的列舉了最近幾年有關網絡表示學習（network representation learning/network embedding）比較有代表性的論文列表及其代碼。

2. [(MLSS2017)網絡表示學習]《Representation Learning with Networks》by Jure Leskovec [Stanford University] Part1:網頁鏈接 Part2:網頁鏈接 Part3:網頁鏈接 Part4:網頁鏈接 ​​​​

3. 一篇綜述性文章（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）代碼：
   https://github.com/palash1992/GEM

4. 一篇博客：
   http://blog.csdn.net/Dark_Scope/article/details/74279582#0-tsina-1-3919-397232819ff9a47a7b7e80a40613cfe1

5. 一個github資料，里面有部分論文+code（大多數是python實現，matlab次之）：
   https://github.com/chihming/awesome-network-embedding

6. 三個slides：
   （1）https://pan.baidu.com/s/1nuB5Rex
   （2）https://pan.baidu.com/s/1geUHeQB
   （3） https://pan.baidu.com/s/1cwB7pc