研究了 Erdos-Renyi 图和随机图在半定规划过程中的类似行为，用一些新的工具进行了证明，证明了 SDP 检测带有信息隐匿的随机图中的对称社区检测问题达到了信息论阈值。

Apr, 2015

考虑在稀疏随机网络中检测紧密社区的问题，将其形式化为在随机图中测试是否存在密集子图。在本文中，我们研究渐近稀疏情况下的信息理论下限，并比较了各种测试方法的性能，发现我们的检测边界是尖锐的。

Aug, 2013

提出了一种基于低阶多项式、半定规划和张量分解的高效贝叶斯估计问题的元算法，该算法的重点在于尽量紧密（达到添加低阶项的下限），并且通常可以达到统计阈值或猜测的计算阈值。在样本复杂度方面改善了社交网络检测和混合式社交网络模型的恢复保证，并且表明该任务可能需要指数时间。算法的基本策略是计算参数的后验分布的最佳低阶逼近，然后使用一个健壮的张量分解算法从这些近似的后验时刻中恢复参数。

Sep, 2017

论文提出了信息论阈值的上下界，并进一步证明了当组数较大且特定参数取值时，物理条件下的凝聚阈值是具有严格界限的，若邻居间与组间边缘概率不同，则分配问题可以解决，否则无算法可优于随机。

Jan, 2016

研究检测大型 Erdős-Rényi 随机图中种植的小型密集社区的问题，并探究其计算复杂性及相变现象，结果可应用于恢复密集社区和逼近最密 $K$- 子图。

Jun, 2014

本文提出了一种新的快速伪似然法来拟合社区内网络模型，以及一种允许任意度数分布的变体，并且在一系列设置下表现良好，并使用其提供了一个初始化值伪似然估计，其中伪似然估计在两个社区块模型的情况下提供了一致的估计。

Jul, 2012

在研究中，我们介绍了一种适用于大规模稀疏网络的直观客观函数来量化聚类结果的质量，并且通过模拟网络的优化试验和基准问题的应用来证明了这种方法的实用性和准确性。

May, 2024

本研究考虑在具有二元社区标签和 R^d 值位置标签的欧几里得随机几何图上进行社区检测问题，其中边缘概率依赖于社区和位置标签。我们针对稀疏和对数度规则建立了相变现象，并给出了阈值的约束。此外，我们还展示了在我们的模型与没有社区标签的空模型之间进行测试的可区分性问题的阈值没有相变现象，并且特别地与 SBM 不同。

Jun, 2017

为了解决困难的优化问题，使用基于半定规划的凸松弛在很多领域已经很普遍。本文关注同步和社区检测问题，提供理论保证，阐明低秩矩阵启发式方法的显着效率。

Feb, 2016

描述了一种基于分布式网络模型的重叠社区检测方法，使用了快速的期望最大化算法对数百万节点的网络进行分析，可用于提取非重叠的社区划分。

Apr, 2011