现有的对于网络子图的研究大多基于模体（或图集）检测和计数的统计方法。不能很好的将子图的结构特征与对应的统计特性有效的结合起来,难以实现对网络特性的有效表征。此外,当下对于大规模复杂网络的研究大多局限于静态无向网络,而实际场景下面临的网络多为动态有向网络如交通网络、生物基因网络、金融网络等,其缺乏足够的理论分析方法。因此,设计一种能够有效提取网络结构特性,综合网络局部邻近信息与全局拓扑信息,准确表征动态有向网络特性的网络表示学习方法具有重大的理论研究价值与现实意义。本文基于统计热力学中气体系统的集团展开表示,构建从粒子集团到网络模体的关系映射,推导基于子图结构的有向网络的配分方程。进一步推导动态变化网络的热力学变量表达,包括网络模体熵、网络模体能量、动态网络温度,由此构建基于模体表示的动态有向网络热力学框架。此外,本文还引入基于动态时间规整框架的全局对齐核函数,将模体的结构特征与其网络统计特性相结合,提出基于网络模体的熵值化图核方法,研究构建了熵值化的核矩阵表示。为了进一步可视化研究网络动态演变状态,提出了基于网络模体熵的核主成分分析方法。在网络动态演变表征上,通过对比冯诺依曼热力学表示框架方法,充分证明了方法的有效性和优越性。此外在多种类网络区分、时序图嵌入、异常事件检测等任务上,本文对比传统网络统计度量方法以及基于冯诺依曼熵的核方法,实验在多个金融网络、基因网络、协作网络数据上都取得了更好的表现。