本論文では、大規模な情報ネットワークを低次元ベクトル空間に埋め込む問題について研究しています。これは可視化、ノード分類、リンク予測などの多くのタスクにおいて有用です。既存のグラフ埋め込み手法の多くは、通常数百万ノードを含む実世界の情報ネットワークに対してスケーリングが困難です。本論文では、任意の種類の情報ネットワーク（無向、有向、および/または重み付き）に適した新しいネットワーク埋め込み手法「LINE」を提案します。「LINE」は、局所的な構造と全体的な構造の両方を保つように設計された目的関数を最適化します。また、古典的な確率的勾配降下法の制限に対処し、推論の効果性と効率性を向上させるエッジサンプリングアルゴリズムも提案されています。経験的実験により、「LINE」が言語ネットワーク、ソーシャルネットワーク、引用ネットワークなど様々な実世界の情報ネットワークに対して効果的であることが証明されています。このアルゴリズムは非常に効率的で、一般的な単一マシン上で数時間以内に数百万ノードと数十億エッジを持つネットワークの埋め込み学習を行うことができます。「LINE」のソースコードはオンラインで公開されています。