{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,8,2]，“日期时间”：“2024-08-02T16:31:37Z”，“时间戳”：1722616297225}，“引用计数”：57，“发布者”：“威利”，“问题”：“1”，“许可证”：[{“开始”：{-“日期部分“：[2021,11,26]]，“日期-时间”：”2021-11-21 6T00:00:00Z“，”时间戳“：1637884800000}，“content-version”：“am”，“delay-in-days”：365，“URL”：“http://\/onlinelibrary.wiley.com/termsAndConditions#am”}，{“start”：{“date-parts”：[[2020,11,26]]，“date-time”：“2020-11-26T00:00:00Z”，“timestamp”：1606348800000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“http:\\/onlinelibrary.wiley.com \/termsAndConditions#vor“}]，“出资人”：[{“DOI”：“10.13039\/10000143”，“name”：“计算与通信基础部”，“doi-asserted-by”：“publisher”，”奖项“：[”1740833“]，“id”：[{“id”:“10.13029\/100000143”，“id-type”：“doi”，“asserted-by”：”publisher“}]}，{“doi“：”10.13039\/100000145“，”name“：”信息与智能系统部“，”doi-assert-by“：”publister“，”奖项1191“]，“id”：[{“id”:“10.13039\/10000145”，“id-type”：“DOI”，“asserted-by”：“publisher”}]}]，“内容域”：{“domain”：[“onlinelibrary.wiley.com”]，“crossmark-restriction”：true}，“short-container-title”：[”统计分析“]，”published-print“：{”date-parts“：[2021,2]}，”抽象“：”摘要<\/jats:title>将大型网络的节点嵌入度量（如欧几里德）空间已成为统计机器学习的一个活跃研究领域，在自然科学和社会科学中都有应用。通常，网络对象的表示是在欧几里得几何中学习的，然后用于与网络的节点和/或边缘有关的后续任务，如社区检测、节点分类和链接预测。网络嵌入算法已经在多个学科中提出，通常带有特定于域\u2010的符号和细节。此外，还采用了不同的措施和工具来评估和比较在不同环境下提出的方法，通常取决于下游任务。因此，在文献中系统地研究这些算法是很有挑战性的。受最近提出的验证数据科学PCS框架的启发，我们提出了一个网络嵌入算法框架，并讨论了可预测性<\/jats:italic>，可计算性<\/jats:italic>，和稳定性<\/jats:italic>（PCS）适用于此上下文。该框架在网络嵌入中的应用具有潜在的激励作用，并为未来的研究指明了新的方向<\/jats:p>“，”DOI“：”10.1002\/sam.11486“，”type“：”journal-article“，”created“：{”date-parts“：[[2020,11,26]]，”date-time“：”2020-11-26T12:43:27Z“，”timestamp“：1606394607000}，”page“：，“title”：[“下一波真正的网络嵌入*”]，“前缀“：”10.1002“，”卷“：”14“，”作者“：[{”ORCID“：”http://\/ORCID.org\/0000-0002-9678-3542“，”authenticated-ORCID“：false，”给定“：”欧文·G“，”家庭“：”沃德“，”sequence“：”first“，”affiliation“：[[{“name”：“Department of Statistics of Columbia University New York New York USA”}]}，{“given”：“Zhen”，“family”：“Huang”，“sequence”：“additional”，“affiliance”：[{'name“：”美国纽约哥伦比亚大学统计系“}]}，{“given”：“Andrew”，“family”：“Davison”，“sequence”：“additional”，“affiliation”：[{“name”：“美国纽约哥伦比亚大学统计系”}]{“ORCID”：”http://\/ORCID.org\/00000-0003-4889-0391“，”authenticated-ORCID“：false，”given“：”Tian“，”family“：”Zheng“，”sequence“：”additional“，”affiliation“：[{”name“：”Department of Statistics Columbia University New York USA“}，{”name“：”Data Science Institute Columbia-University New-York US“}]}]，”member“：”311“，”published-online“：”{“date-parts”：[[2020,11,26]]}，”reference“：[}”key“：”e_1_2_8_2_1“，”doi-asserted-by“：”crossref“，“unstructured”：“”L.后挡板J。Leskovec监督随机行走：预测和推荐社交网络中的链接第四届ACM网络搜索和数据挖掘国际会议论文集；2011年第635\u2013644页“，”DOI“：”10.1145\/1935826.1935914“}，{”key“：”e_1_2_8_3_1“，”DOI-asserted-by“：”crossref“，“unstructured”：“A.GroverandJ.Leskovec node2vec:网络可扩展特征学习2016年第22届ACM SIGKDD国际知识发现和数据挖掘会议论文集，第855\u2013 864页。”，“DOI”：“10.1145\/2939672.2939754“}，{”key“：”e_1_2_8_4_1“，”doi-asserted-by“：”crossref“，“unstructured”：“B.Perozzi R.Al\u2010Rfou and S.Skiena Deepwalk:在线学习社会表征2014年第20届ACM SIGKDD国际知识发现和数据挖掘会议论文集，第701\u2013710.页”，“doi”：“10.1145\/2623330.2623732”}，“key”：“”e_1_2_8_5_1“，”非结构化“：”T.Mikolov W.\u2010t。Yih和G。茨威格在连续空间词表征中的语言规律计算语言学协会北美分会2013年会议论文集：人类语言技术2013年第746\u2013751页非结构化”：“J.Gilmer S.S.Schoenholz P.F.Riley O.Vinyals和G。E.Dahl第34届机器学习国际会议量子化学会议论文集神经信息传递2010年第70卷JMLR。org 2017第1263\u20131272页。“}，{”key“：”e_1_2_8_8_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1073\/pnas.1901326117”}，“key”：“e_1_i_8_9_1”，“doi-assert-by”：“publisher”，”doi“：”10.1080\/01621459.2014.991395“}”，{：“10.1214\/19-STS702”}，{“key”：“e_1_2_8_11_1”，“doi-asserted-by”：“publisher”，“doi”：“10.1162\/089976603321780317“}，{“key”：“e_1_2_8_12_1”，“doi-asserted-by”：“crossref”，“unstructured”：“A.Ahmed N.Shervashidze S.Narayanamurthy V.Josifovski and A.J.Smola Distributed la\u2010大规模自然图因式分解《2013年第22届万维网国际会议论文集》第37\u201348页。”，“doi”：“10.1145\/248388.24888393”}，}“key“：”e_1_2_8_13_1“，”doi-asserted-by“：”crossref“，“unstructured”：“J.Tang M.Qu M.Wang M.Zhang J.Yan and Q。Mei Line：大型信息网络嵌入2015年第24届万维网国际会议论文集，第1067\u20131077页。“，”DOI“：”10.1145\/2736277.2741093“}，{”key“：”e_1_2_8_14_1“，”DOI-asserted-by“：”crossref“，“unstructured”：“D.Wang P.Cui和W。Zhu Structural deep network embedding Proceedings of the 22nd ACM SIGKDD international conference on Knowledge discovery and data mining 2016 pp.1225\u20131234.“，”DOI“：”10.1145\/2939672.2939753“}，{”key“：”e_1_2_8_15_1“，”DOI-asserted-by“：”crossref“，“unstructured”：“S.Cao W.Lu和Q。徐格拉雷普：学习图表示与全球结构信息第24届ACM国际信息与知识管理会议论文集；2015年第891\u2013900页。“，”DOI“：”10.1145\/2806416.2806512“}，{”key“：”e_1_2_8_16_1“，”first page“：“1024”，”article-title“：”大型图上的归纳表示学习“，”volume“：30”，“author”：“Hamilton W.”，“year”：“2017”，“journal-title”：“Adv.Neural Inf.Process.Syst”}，”{“key”：“e_2_8 _17_1”，“DOI-asserted-by”：“publisher”，“：”10.1109\/TNN.200.2005605“｝，｛“key”：“e_1_2_8_18_1”，“nonstructured”：“C.Yang Z.Liu D.Zhao M.Sun and e.Chang利用丰富的文本信息进行网络表示学习Twenty-u2010第四届国际人工智能联合会议2015。”｝，｛“key”：“e_1_2_8_19_1”，“nonstructured”：“Li Y。D.Tarlow M.Brockschmidt和R。Zemel Gated图序列神经网络。arXiv预印本arXiv:1511.05493 2015。“}，{“key”：“e_1_2_8_20_1”，“unstructured”：“T.N.KipfandM.Welling Semi\u2010用图卷积网络监督分类。arXiv预先印本arXiv:1609.02907 2016。”}，}，“key“：”e_1_c_8_21_1“，”unstructure“：”Veli\u010dkovi\u0107 P.W.Fedus W。L.Hamilton P.Li\u00f2 Y.Bengio和R。D.Hjelm Deep图infomax。arXiv预印本arXiv:1809.10341 2018.“}，{”key“：”e_1_2_8_22_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1109\/TKDE.2018.2849727“}”，{“key”：“e_1_i_8_23_1”，“doi-assert-by”：“publisher”，”doi:“10.1198\/01621450238618906”}，“key“:”e_2_8-24_1“，“首页”：“3889”，“文章标题“：”Max\u2010margindeepwalk:网络表示的判别学习“，”卷“：”2016“，”作者“：”Tu C.“，”年份“：”2016“，”期刊标题“：”IJCAI“｝，｛”键“：”e_1_2_8_25_1“，”首页“：”04202“，”文章标题“：”图形上的深度学习：调查“，”卷“：”1812“，”作者“：”张Z“，”年份“：”2018“，”期刊标题“：”arXiv预印本arXiv“｝，｛”期“：”8“，”key“：”e_1_2_8_26_1“，”first-page“：”12“，”article-title“：”神经网络中的随机梯度学习“，”volume“：“91”，“author”：“Bottou L.”，“year”：“1991”，“journal-title”：“Proc。Neuro\u2010Nmes“}，{“key”：“e_1_2_8_27_1”，“首页”：“693”，“article-title”：“Hogwild:并行化随机梯度下降的无锁\u2010方法”，“volume”：”24“，“author”：“Recht B.”，“year”：“2011”，“journal-title“：”Adv.Neural Inf.Proces.Syst“}”，{J.Qiu Y.Dong H.Ma J.Li K.Wang和J。Tang Network embedding as matrix factorization:Unifying deepwalk line pte and node2vec Proceedings of the 11th ACM International Conference on Web Search and Data Mining 2018 pp.459\u2013467.“，”DOI“：”10.1145\/3159652.3159706“}，{“key”：“e_1_2_8_29_1”，“DOI-asserted-by”：“publisher”，”DOI:“10.1016\/j.physa.2010.11.027”}，“key“：”e_2_8-30_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1214\/14-AOS1274“}，{”key“：”e_1_2_8_31_1“，”unstructured“：”Rubin\u2010Delancy P.C.e.Priebe M.Tang和J.Cape光谱嵌入的统计解释：广义随机点积图。arXiv预印本arXiv:1709.05506 2017。“}”，{“key”：“e_1_i_8_32_1”，“doi-assert-by”：“publisher”，“doi”：“10.1214\/009053607000000640“}，{“key”：“e_1_2_8_33_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1214\/14-AOS1290“}”，{”key“：”e_1_I_8_34_1“，”doi-assert-by“：”publisher“，“doi”：“10.1137\/S1064827500366124”}，“key“”：“e_1_2_8_35_1”、“doi-aserted-by“”：”crossref“，‘unstructured’：”M.Mitchell S.Wu A.Zaldivar P.Barnes L.Vasserman B.Hutchinson e.Spitzer一世。D.Raji和T。Gebru模型报告模型卡2019年公平、责任和透明度会议记录第220\u2013229页10.1111\/j.1467-985X.2007.00471.x“}，{“key”：“e_1_2_8_38_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1016\/j.csda.2012.08.004“}、{“key”：”e_1_i_8_39_1“，”doi-assert-by“：”publisher“，“doi”：“10.1080\/10618600.2012.679240”}，“key“e_2_8/40_1”、“首页”：“3111”，“文章标题“：”单词和短语的分布式表示及其组成”，“卷”：“26”，“作者”：“Mikolov T.”，“年份”：“2013年”，“新闻标题”：“高级神经信息处理”。Syst“}，{”key“：”e_1_2_8_41_1“，”first page“：“246”，”article-title“：”Hierarchical probability neural network language model“，“volume”：“5”，“author”：“Morin F.”，“year”：“2005”，“journal-title”：“Aistats Citeser”}，”{“key”：”e_ 1_8_42_1“、”first page“3781”，”article-titel“：”向量空间中单词表征的有效估计“，”volume“1301”，“author“：”Mikolov T.“，”year“：”2013“，”journal-title“：”arXiv preprint arXiv“}，”key“：”e_1_2_8_43_1“，“unstructured”：“Bruna J.W.Zaremba A.Szlam and Y.LeCun Spectral networks and local connected networks on graphs.arXiv预印本arXiv:1312.6203 2013。”}，{“key”：“e_2_8 _44_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1126\/science.116869“}{“密钥”：“e_1_2_8_45_1“，”首页“：”2825“，”article-title“：”Scikit\u2010learn:“python中的机器学习”，“volume”：“12”，“author”：“Pedregosa F.”，“year”：“2011”，“journal-title”：“J.Mach”。学习。Res.“}，{”key“：”e_1_2_8_46_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1090\/coll\/060”}，“key”：“e_1_i_8_47_1”，“unstructured”：“Veitch V.andD.M.Roy可交换随机测度产生的随机图类。arXiv预印本arXiv:1512.03099 2015。”}214\/18-AOS1778“}，{”键“：”e_1_2_8_49_1“，“doi-asserted-by”：“publisher”，“doi”：“10.1214\/18-AOP1320”}，{“issue”：“1”，“key”：“e_1_i_8_50_1”，”first page“：“7740”，“article-title”：“稀疏可交换图形及其通过图形处理的限制”，“volume”：”18“author”：“Borgs C.”，“year”：“2017”，“journal-title“：”J.Mach.Learn.Res.“}，”{“key“：”e_2_2_8_51_1“，”doi-asserted-by“：”publisher，“DOI”：“10.1111\/rssb.12233”}，{“key”：“e_1_2_8_52_1”，“DOI-asserted-by”：“publisher”，”DOI“：”10.1080\/01621459.2017.1341413“}”，{”key“：”e_1_i_8_53_1“，”首页“04217”，“article-title”：“网络中的大图和不变性子采样”，“volume”：”1710“，”author“：”Orbanz P.“，“year”：“2017”，“journal-title“：”arXiv预打印arXiv“}，{“key”：“e_1_2_8_54_1“，”非结构化“：”Li T.e.Levina和J。Zhu Network通过边缘采样跨\u2010验证。arXiv预印本arXiv:1612.04717 2016.“}，{”key“：”e_1_2_8_55_1“，”doi-asserted-by“：”crossref“，“unstructured”：“L.Backstrom D.Huttenlocher J.Kleinberg and X.大型社交网络中的Lan Group formation：成员增长和进化第十二届ACM SIGKDD国际知识发现和数据挖掘会议论文集；2006年第44页“201354.”，“DOI”：“10.1145\/110402.1150412”}，{“key”：“e_1_2_8_56_1”，“DOI断言”：“crossref”，“非结构化”：“L.Du Y.Wang G.Song Z.Lu and J.Wang动态网络嵌入：基于skip的网络嵌入扩展方法\u2010gram第27届国际人工智能联合会议论文集；2018年第2086\u20132092.页“，”DOI“：”10.24963\/ijcai.2018\/288“}，{”key“：”e_1_2_8_57_1“，”DOI-asserted-by“：”crossref“，“unstructured”：“G.H.Nguyen J.B.Lee R.A.Rossi N.K.Ahmed e.Koh and S.Kim Continu2010time dynamic network embeddings Companion Proceedings of the Web Conference 2018 pp.969\u2013976.”，“DOI”：“10.1145\/318458.3191526”}，“key”：“”e_1_2_8_58_1“，“首页”：“571”，“文章标题”：“通过建模三元闭合过程动态嵌入网络”，“作者”：“周L.\u2010k。“，”年“：”2018“，”期刊标题“：”2010年第三十二届AAAI人工智能会议论文集“}]，”容器标题“：[”统计分析和数据挖掘：ASA数据科学杂志“]，”原文标题“：[]，”语言“：”en“，”链接“：[{”URL“：”https:\/\/onlinelibrary.wiley.com\/doi\/pdf\/101002\/sam.11486“，”内容类型“：”application\/pdf“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：”https:\/\/onlinelibrary.wiley.com/doi\/full-xml\/10.1002\/sam.11486“，”content-type“：”application\/xml“，”content-version”：“vor”，“intended-application”：“text-miniing”}，”{“URL”：“https:\//onlinelibrary.wiley.com\/doi\/am-pdf\/101002\/sam.11486“，”内容类型“：”application \/pdf“，”content-version“：”am“，”intended-application“：”syndication“}，{“URL”：“https:\/\/onlinelibrary.wiley.com/doi\/pdf\/101002\/sam.11486”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-plication”：“similarity-checking”}]，“deposed”：{“date-parts”：[2023,9,3]]，“date-time”：”2023-09-03T12:16:36Z“，“timestamp“：1693743396000｝，“score”：1，“resource”：｛“primary”：｛“URL”：“https:\/\/onlinelibrary.wiley.com\/doi\/10.1002\/sam.11486”｝｝，“subtitle”：[]，“short title”：[]，“issued”：｛“date parts”：[[2020,11,26]]｝，“references count”：57，“journal issue”：｛“issue”：“1”，“published print”：｛“date parts”：[[2021,2]]｝｝，“alternative id”：[“10.1002\/sam.11486“]，”URL“：”http:\/\/dx.doi.org\/10.1002\/sam.11486“，”存档“：[”Portico“]，”关系“：{}，”ISSN“：[“1932-1864”，“1932-1872”]，”ISSN-type“：[{”value“：“1932-186”，“type”：“print”}，{”value“：”1932-1871“，”type“”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[2020,11,26]]}，“断言“：[{”value“：”2020-07-09“，”order“：0，”name“：”received“，”label“：”received“，“group”：{“name“：”publication_history“，”label“：”publication history“}}，{“value”：“2020-10-29”，“order”：1，“name”：“accepted”，“label”：“accepted（接受）”，“group”：{“name”:“publication_history”，“table”：“Publicating history（发布历史）”}}、{“value”：“2020年11月26”，“订单”：2，“name“：]}}