近年来，网络嵌入技术受到了广大研究者的关注。不过大多数网络嵌入算法并未考虑到处于相同层级结构的节点间的结构相似性，这些节点在网络中通常具有相同的重要性。因此，提出一种基于网络层级结构的网络嵌入算法，称为KCNE。KCNE算法使用网络节点间的层级结构信息来保持节点之间的结构相似性。该算法首先基于k核(k-core)分解方法将网络中的节点划分为不同的层级，并且使用定制的随机游走方法为每个节点生成游走序列，该序列可以有效捕获节点的一阶邻域及处于同层级中的高阶相似节点，随后将游走序列输入到Skip-gram模型中，使学习到的节点表示具有更好的区分性。基于多个真实数据集的实验结果表明，在链路预测和节点分类任务上，KCNE算法相比于8个基准算法中的次优算法性能提升最高分别约4%和5%。参数敏感性分析实验也表明了KCNE算法具有较好的鲁棒性。此外，该算法在运行效率方面均优于Role2Vec、RARE和GEMSEC算法。