本文提出了一种基于顶点相邻度量相似性的方法，通过邻接矩阵迭代计算得到自洽矩阵，测试结果表明该方法可用于计算人工生成和真实网络中的节点相似性。

Oct, 2005

本文提出了一种半监督社区检测算法，该算法利用网络拓扑和部分已知社区标签对新节点进行社区标签估计。该算法使用修正节点度数的随机块模型来对网络进行建模，并计算新节点与每个社区之间的结构相似度指标，从而预测新节点的社区标签。该算法在理论和实践中均证明了其有效性，是首个提供理论保证的半监督社区检测算法。

Jun, 2023

本文提出了一种新颖的策略来发现（可能是大型）网络的社区结构，利用基于 k-path 的边缘中心度，并借鉴 Louvain 方法，通过最大化网络模块化来发现社区结构。实验证明，该算法优于其他技术并略微改进了原始 Louvain 方法的结果，可自然扩展到非加权网络。

Aug, 2011

本篇研究提出了一种基于随机游走的顶点相似度度量，使用该度量可以高效地计算网络的社区结构，并提出了一种名为 Walktrap 的聚合算法，该算法提高了社区结构计算的准确性。经过全面的比较测试，表明该算法在质量和运行时间方面都优于以前提出的算法。

Dec, 2005

本文提出了一个基于嵌入的框架 (ESim)，以探索嵌入在网络结构中的相似度，并接受用户定义的元路径作为指导来学习嵌入向量。在大规模异构信息网络上进行的实验证明了 ESim 的有效性和可扩展性。

Oct, 2016

本文介绍一种基于三路径采样和特殊剪枝技术的采样算法，可准确估算所有 4 个顶点模式子图的频率，并在容易实现和计算效率上优于传统枚举和采样算法。

Nov, 2014

本文描述了一种快速检测具有社群结构的网络的新算法，并给出了各种应用实例，比之前的算法更加高效。

Sep, 2003

本研究提出 NetSimile，一个能够快速评估不同网络相似性和提取描述性数字特征的方法，以在图挖掘中进行聚类、异常检测、可视化、网络转移学习和重新识别等任务中具有卓越的效果，并在多个合成和真实图表现出更好的性能表现。

Sep, 2012

本文提出了一种基于抽样的算法，有效地从大规模网络中准确估算子图统计量，并展示实验结果表明其能更加快速地完成与现行技术相同准确度的查询量（样本量）

Jun, 2013

本文提出了一种基于可靠查询的网络链路预测方法，通过 Bayesian Stackelberg 游戏框架，自动化地选择可靠查询，增加链路预测的鲁棒性和数据安全性，实验结果表明该方法有效性较好。

Sep, 2019