本文综述了在网络上的随机游走的理论和应用，突出了单个和非自适应随机漫步器的简单情况。它探讨了随机游走的三种主要类型 —— 离散时间随机游走、节点中心的连续时间随机游走和边缘中心的连续时间随机游走，并深入讨论了一些应用，包括节点排名、社区检测、应答式抽样和选民模型等。

Dec, 2016

通过局部信息，可以构建最大化熵随机游走，在无相关的情况下，步骤概率与目标节点的度数的幂成比例关系。

Jul, 2010

本篇研究提出了一种基于高阶网络结构的新型随机游走模型，探究高阶网络中的扩散过程及其对信息扩散的影响，旨在揭示复杂网络系统中偏向性信息传播机制并成功应用于多特征对象分类任务中。

Nov, 2019

本文提出了一种基于本地随机游走的预测方法，可以在保持竞争力的预测准确性的同时，具有更低的计算复杂度，有效解决了在复杂网络中缺失的链接预测问题。

Jan, 2010

考虑到只观察到节点级别的交通流量并学习边缘转换概率，我们将其描述为偏好学习问题，并研究选择遵循卢斯公理的模型。我们表明如何使推断问题具有很好的形式，无论网络结构如何，并提出了 ChoiceRank 算法，可扩展到包含数十亿节点和边缘的网络。该模型应用于两个点击流数据集，成功地恢复了转换概率，仅使用网络结构和节点级别的流量数据。最后，我们还考虑了对移动网络的应用，并将该模型应用于纽约市的共享单车系统一年的骑行数据。

Oct, 2016

通过研究不同系统中的路径，发现忽略二阶 Markov 动力学会对社区检测、排名和信息传播产生重要影响，而使用二阶 Markov 模型可以揭示航空交通中的实际旅行模式和科学传播中的多学科期刊。

May, 2013

本文提出了一种基于多网络的随机游走算法 RWM，可用于网络嵌入、链路预测和局部社区检测，试验证明其在合成和真实数据集上的有效性和高效性。

Jul, 2023

研究了小世界网络模型，证明该模型展现了正常的连续相变，提出实空间重整化群转化方法并计算了临界指数的准确值以及两个节点在网络中连接的平均度数随三个独立变量变化的比例。结果通过大量数值模拟得到证实。

Mar, 1999

本文研究了复杂网络中信号节点之间的通信效率和成本问题，并引入了一种随机模型来结合关于网络拓扑的本地和全局信息，从而产生连续谱的动态，其中包括最短路径和随机游走通信过程。接着，我们在人类连接组网络的两个组别上实现了该模型，并研究了不同程度本地和全局信息对网络通信成本的影响。我们还发现了一些逼近高效的最短路径通信过程的路由策略，并展示了全局信息驱动系统动态时，对中枢节点进行消息路由的成本随全局信息的数量变化而变化。最终，我们使用该模型来从通信动态角度识别个体主体之间的差异，该研究为经典的最短路径与扩散范式之外的大脑网络中存在不同类型的通信动态提供了新的理论支持。

Mar, 2018

本文提出了一些标准网络模型的概括，包括随机网络、配置模型和随机块模型，将它们推广到时变网络的情况。我们假设边缘的存在和缺失受节点属性的连续时间马尔可夫过程的速率参数控制，并演示了这些模型在数据分析和统计推断中的应用。我们的方法可以通过观察边缘出现和消失的特征动态，以及节点对边缘连接的时间上的概率来估计网络演化的时间常量或推断出社区结构，我们演示了这些方法在计算机生成的测试网络和实际数据中的应用。

Jul, 2016