第一讲 引言 网络结构
针对我们观察到的现象和现实问题，我们如何能更精细用网络的概念去建模、推断和计算，以便回答或解决现实问题？从根本来讲，网络是对象的集合，在集合中，某些对象之间有某种关联（link)。这个定义十分宽泛和灵活，可以视被考察的具体现象的环境不同而确定对象的类型、对象间关系的形式。为了理解网络中的复杂现象，需要发展一种语言来讨论网络的内在关系和演化机理。
对于网络结构，我们首先要回答一下问题：有什么类型的节点？，它们是如何连接？连接的模式是什么？其次，根据具体领域的现象或问题，对节点或边赋予值，然后对网络数据进行演算，关心网络的行为和动态规律（Behavior and Dynamics)。为此，我们需要一种“网络”语言，即提出新概念和用量化方法描述和讨论客观现象。
第二讲 从《中国历代人物传记》中发现新知识
第三讲 Network Embedding 理论和方法
传统的网络科学研究人员依靠用户定义启发式方法（人类总结知识）从复杂的网络中提取特征 (例如度统计或内核函数)。近年来, 利用基于深度学习和非线性降维的技术, 自动学习将网络结构编码到低维嵌入中的方法激增。这些网络表示学习方法消除了对艰苦的功能工程的需求, 并在基于网络的任务 (如节点分类、节点群集和链接预测) 中产生了较好的结果。
介绍过去两年中NRL取得的基本进展。讨论经典的基于矩阵分解方法、基于随机行走的算法 (例如, deepwalk 和 node2vec), 以及面向图神的经网络的最新进展。将介绍嵌入单个节点的方法以及嵌入整个 (子) 图的方法, 在此过程中为NRL提供一个统一的框架描述这类方法，并介绍几个重要应用和未来的工作方向。