探讨短时间尺度内的社交互动，提出一种考虑人们固有异质性和动态变化的会议场所的模型，该模型可应用于研究社交网络中的动态进程。

Feb, 2011

本文开发了一种数据驱动方法，基于 Markov 链模型和贝叶斯推断框架，同时解决了因过度拟合和任意先验时间尺度的影响对网络动态社群结构提取的问题。该方法可以确定相关时间尺度，并识别在网络上发生的动态模式以及塑造网络本身的因素。

Sep, 2015

本文提出了一种基于潜在空间的统计模型，用于对社交网络、协作网络等观察到的具有时间动态的网络进行建模和分析，该模型可应用于社区检测和链路预测等任务，并与现有方法相比表现出更好的效果。

Feb, 2018

通过发现一个密集连接的人口的动态社交网络，结构和核心能够提供社交行为和空间行为之间复杂相互作用的强有力的简化，这些研究结果表明社交行为可以用高精度进行预测。

Jun, 2015

本文提出了一种基于内部社区优先附着和社区间优先附着机制的演化网络模型，分析了此网络模型的度分布，理论结果和数值模拟表明，该网络模型具有社区结构和无标度特性。

Oct, 2005

通过定义活动潜力、构建能够编码网络动态瞬时描述的活动驱动模型，我们解决了连接驱动模型无法描述瞬时波动动力学的挑战，并且表述了这种具有高度动态性的网络的结构特征，从而量化讨论了时间聚合表示在动态过程分析中引入的偏差。

Mar, 2012

该文章探讨了时间网络的新兴领域，讨论了分析拓扑结构和时间结构的方法以及阐述它们与动态系统行为的关系，并指出与静态网络不同，由于在时间网络中有些基本属性不一定成立，因此需要创新性的方法来研究分析。

Aug, 2011

本研究基于团块渗透，首次研究了大规模网络中重叠社区的时间演化规律，发现动态改变成员组成有利于大型社区的生存而不利于小型社区，同时成员对社区的时间承诺可预测社区的寿命。这些发现揭示了小组和大型机构动态差异的新视角。

Apr, 2007

通过将社交网络影响视为用户感知的影响，开发了用于用户活动的概率模型，其中每个用户的活动根据一个具有隐藏状态的马尔可夫链发展，而该隐藏状态受用户朋友的集体活动影响。通过使用推特上用户活动的大量语料库验证所提出的模型，数值研究表明，在具有足够观察以确保准确模型学习的情况下，所提出的框架比基于更新过程的模型或传统的未耦合的隐藏马尔可夫模型更好地解释了观察到的数据，并展示了所提出方法在预测下一条推文的时间方面的效用。最后，该模型参数空间中的聚类显示出由用户和他的网络之间的互动动态特征化的不同自然群集。

May, 2013

对一个 66 人动态亲密网络数据集的研究表明，社交网络的拓扑结构会在时间尺度上演化，其演化行为被外部时间周期驱动，忽略连续时间数据转化为离散序列的偏差性使得网络结构估计变得更加偏倚，因此提出动态社交网络表现出一种自然时间尺度，并建议在此自然时间尺度上进行这种动态数据的离散序列最佳转换。

Nov, 2012