给定度序列的随机超图 $\beta$ 模型
本文利用 $eta$-model of random graphs 建立隐私机制并研究了 MLE 存在条件问题，提出了一种私有的参数估计器并证明了其一致性和渐近正态分布特性，同时解决了通过隐私机制释放的数据如何有效地进行统计推断的基础问题。
May, 2012
研究了给定预期度序列的加权图上最大熵分布。使用指数族分布的一般理论，导出了顶点参数的最大似然估计量 (MLE) 的存在和唯一性，同时证明了单个样本的 MLE 在大图极限下的一致性，以及推出了加权图的 Erdos-Gallai 准则和顶点势的独立边权。
Jan, 2013
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
使用层级 Gamma 过程无限边划分模型描述同配性和随机等价关系，可以发现重叠社区和社区间交互作用，并自动推断社区数量，实验结果表明其可扩展性和最先进性能。
Jan, 2015
本文提出一种适用于拟合图中概率模型的广义矩方法，通过计算图中某些模式的经验计数，可以拟合大量的概率模型。同时，我们证明了经验图矩的一些一般渐近性质，并证明了估计值的一致性，所有平均度数范围包括 Ω（1）的图都可以使用。此外，我们还得到了关于度分布的重要特殊情况的其他结果。
Feb, 2012
本文提出一种基于概率模型的算法，用于动态关系数据学习，利用伯努利泊松链接函数对网络节点的观测交互进行建模，并用假设为伽马分布的非负潜在节点组成员资格描述底层网络结构，而潜在成员组则根据马尔可夫过程演化。方法的最优成员组数可以由数据本身决定，其计算复杂度随着非零链接数量的增加而增加，适用于大规模稀疏动态关系数据，本文的批处理和在线 Gibbs 采样算法用于模型推断，最后我们将模型的性能与一流方法相比，应用于合成和实际世界的数据集上。
May, 2018
本文研究了在具有一致稀疏图序列的随机树 T 上的同质化因子模型的自由能密度存在性，并通过新的插值方案证明了存在性并具体计算了该量。通过实例计算，我们证明了该极限与在 T 上的 Belief Propagation（Bethe）递归的适当不动点处的 Bethe 自由能函数重合。
Oct, 2011
本文介绍了一种扩展了边远离独立性的稀疏随机图的一般模型，并且通过构造非齐性随机超图来替代每个超边，再通过与某个积分算子的范数相关来解释巨型连通性的临界点，并将该巨型连通量与某些（非 Poisson）多类型分支过程的生存概率关联起来，同时研究度分布和数量小子图的细节。
Jul, 2008
本文介绍了一种新颖的超图分类算法，通过构建具有任意阶多项交互的超图，并采用超图种群来提高算法的性能和鲁棒性，在两个数据集上评估并证明了其相较于通用的随机森林分类算法具有良好的性能。
May, 2024