摘要：網絡表示學習的目標是將網絡節點映射到一個低維的向量空間中,然后利用已有的機器學習方法解決諸如節點分類、鏈接預測、社團挖掘和推薦等下游應用任務。通常網絡中的節點攜有屬性信息,與結構信息具有一定的相關性,將這些信息融入到網絡表示學習過程中,有助于提升下游任務的性能。但是針對不同的應用場景,結構和屬性信息并不總是線性相關,而且它們都是高度非線性的數據。提出一種基于變分自編碼器的網絡表示學習方法VANRL。變分自編碼器是一種深度神經網絡,它不僅可以捕獲結構和屬性非線性相似性,還可以學習到數據的分布。針對不同的應用任務,靈活地組合結構信息和屬性信息,使學習到的網絡節點表示達到令人滿意的性能。在四個網絡(包括兩個社交網絡,兩個引用網絡)上的實驗結果表明,VANRL可以在節點分類和鏈路預測任務中獲得相對顯著的效果。