异构网络表示学习Heterogeneous Network Representation Learning是当前自数据挖掘以及其他应用的研究热点，在众多任务中具有重要的应用。近日，UIUC韩家炜等学者发布了异构网络表示学习的综述大全，共15页pdf111篇参考文献，从背景知识到当前代表性HNE模型和应用研究挑战等，是最新可参考绝好的异构网络表示学习模型的文献。

表示学习为各种AI领域提供了一种革命性的学习范式。在这个综述中，我们研究和回顾了表示学习的问题，并将重点放在由不同类型的顶点和关系组成的异构网络上。这个问题的目标是自动地将输入异构网络中的对象(最常见的是顶点)投射到潜在的嵌入空间中，这样网络的结构和关系属性就可以被编码和保存。