随着Android恶意软件的增长及其对用户的影响，Android恶意软件检测已成为网络安全日益重要的课题。Android恶意软件也越来越复杂，需要新防御技术从而保护用户免受威胁。这篇论文中，为了检测Android恶意软件，我们不再仅仅使用API调用，而是进一步分析它们之间的不同关系，并创建更高层次的语义，这就让攻击者更难逃避被检测。我们将Android应用，相关的API，及其与结构化异构信息网络（HIN）的丰富关系作为代表。然后我们使用基于元路径的方法来表征应用程序和API的语义相关性。我们使

大型概念资源库（如美国专利数据库）可以向人们提供类似问题的解决方案的灵感，从而加速创新和发现。然而在这些庞大而凌乱的资源库中发现有用的信息，对于人类或自动化技术来说仍是一个挑战。传统的解决方法有，具有高度关系结构（如谓词演算表征）但非常稀疏，且成本很高的人工创建的数据库。更为简单的机器学习/信息检索相似性度量可以扩展到大型的自然语言数据集，但很难解释结构相似性，而这又是类比的核心。这篇论文探讨了学习更简单的结构表征的可行性和价值，特别是“问题模式”，它规定了产品的目的，以及实现该目的的机制。论

kdd2017大会的research paper，如果某一篇没有，请告知

kdd2017大会的posterpaper论文，如有缺失，请指出，多谢