网络边缘和节点的机器学习任务在很大程度上依赖于要素工程，而要素工程需要专家的知识和精心的工作。 近年来，人们对节点和边缘的低维矢量表示感兴趣。 然而，有符号网络上的现有方法仅旨在学习节点向量，从而导致省略边缘信息并付出额外的努力来设计边缘向量。 在这项工作中，我们开发了一个框架，用于学习有符号网络的节点和边缘向量。 因此，我们可以直接使用边缘向量来表示边缘的属性，从而提高面向链接的任务的性能。 我们的学习网络功能的框架如下。 我们假设在节点和边缘向量空间之间存在一个全局映射。 这个假设使我们能够