前言

以人为节点，以人与人之间的关系为边，所组成的网络即为社交网络。近些年来，随着移动互联网的发展，各种社交网络平台不断涌现，用户数持续攀升，用户发布推文数快速增加。据统计，目前全球社交网络平台已经超过4000个，其中主流社交网络平台已经超过200个。在社交网络中，人作为最重要的实体，往往以多重身份存在于多个网络空间。人们习惯在不同的社交网络中开展不同的活动，例如，用微信交流私人情感，用微博发布新闻状态，用领英进行求职，用ResearchGate进行学术交流，等等。但是，社交账号彼此之间往往相互独立，缺乏对应关系。如何以人为本，实现多个网络空间中人与人之间身份的相互对应（即社交网络对齐），以供社交网络融合，这一点至关重要。

然而，目前国内外鲜有专门介绍社交网络对齐方面的图书。因此，本书旨在弥补该方面的不足，重点介绍社交网络表示与对齐中的应用与前沿进展，期望能给对社交网络感兴趣的高年级本科生和研究生带来一些启发。

本书主要分为三部分：基础知识、社交网络表示、社交网络对齐方法。第一部分主要为读者介绍阅读本书必备的基础知识；第二部分为读者介绍社交网络表示的相关内容；第三部分为本书的重点，着重介绍社交网络对齐，包含社交网络用户对齐和社交网络社区对齐。各部分内容具体安排如下。

第一部分：基础知识。本部分包括第1～3章，主要介绍社交网络的发展历程、图神经网络的基础知识，以及图表示学习相关内容。

第1章首先介绍社交网络的定义及发展史，并介绍了3种常见的社交网络形式化表示方式；其次介绍图的算法与结构；最后在此基础上介绍了几种经典的社交网络模型。

第2章首先介绍图神经网络相关的基础知识以及图神经网络的发展历程；其次介绍图机器学习中常见的3种神经网络模型：频域图卷积神经网络、空域图卷积神经网络和图注意力网络，为理解下一章图表示学习的相关内容打下基础。

第3章首先介绍图嵌入的概念及其相关理论，其次介绍基于随机游走的3种图表示学习算法，最后介绍基于深度学习的3种图表示学习算法。

第二部分：社交网络表示。本部分包括第4～5章，分别从微分方程和狄利克雷分布的角度介绍了基于微分方程的动态图表示学习算法和基于狄利克雷分布的知识图谱表示方法。

第三部分：社交网络对齐方法。本部分包括第6～10章，主要介绍5种社交网络用户对齐或社区对齐的方法。

第6章与第7章分别从静态社交网络和动态社交网络的角度介绍社交网络用户对齐方法。这两种方法能够通过有监督学习，分别在结构相对稳定的社交网络和具有明显动态性的社交网络中发现用户的关联关系。

第8章与第9章分别介绍基于无监督学习和基于迁移学习的社交网络用户对齐方法。无监督学习社交网络用户对齐方法能够解决对齐问题标注种子节点少的问题，迁移学习社交网络用户对齐方法能够更有效地将对齐模式迁移到目标域，进一步改善目标域的对齐。

第10章介绍基于双曲空间的社交网络社区对齐方法。双曲空间作为表示空间，较欧氏空间能够有效地减少数据失真问题。同时，对于社区这类具有明显层次结构的簇，双曲空间也有其优越性。

在本书成书的过程中，叶均达、王飞扬、孙笠、曹画锋、李根、高帅、高宇航、祝梓毅、罗子霄、陈睿扬等同学为收集素材做了大量的准备工作，在此表示衷心的感谢。由于水平及时间所限，书中如存在疏漏和不足之处，敬请广大读者批评指正。

作者

2023年4月于北京