ネットワークで表現されたデータを低次元ユークリッド空間へ埋め込む新たな方法を提案する.本手法では,ネットワークの隣接行列が定義するノード間の離散類似度と,現在の埋め込み配置から導かれる連続類似度との間のクロスエントロピーを最小にすることによって最適な配置を求める.さらに,与えられた埋め込みにおいてにおいて,ノードの接続関係がいかに忠実に再現されているかを定量的に評価する新たな評価尺度を提案する.最後に実際のネットワークデータを用いた実験によって,本手法の有効性を検証した.We present a novel approach to embed network data into a low dimensional Euclidean space. Theproposed method attempts to minimize cross-entropy between the discrete node similarity measure induced by theadjacency matrix and the continuous node similarity function derivedfrom current embedded node positions.We also propose a natural criterion to effectively evaluate an embeddednetwork layout in terms of how well node connectivities are preserved.Experiments using real network data show the effectiveness of theproposed method.