空间随机游走：一种高阶数据的随机过程
本文研究了一类有限状态空间上的非 Markov 离散随机过程，探讨了状态访问次数和先验概率矩阵对转移概率的影响以及分数占用向量的极限行为，证明了极限点集合为满足某些特定条件的二次型的临界点集，具有一定的概率极限，否则极限为 0。
Apr, 2004
本文提出了一种异构个性化空间随机游走算法，将元路径引导的随机游走过程形式化为高阶马尔可夫链进而解决马尔可夫链的稳定性问题，实现了多类型节点的嵌入学习，并在多种异构网络上进行了实验验证。
Sep, 2019
通过在随机排列集合理论（RPST）的性质基础上构建随机行走模型，并进行蒙特卡罗模拟，我们发现通过 RPST 生成的随机行走表现出与高斯随机行走类似的特征，并可以通过特定的极限缩放过程转化为维纳过程，从而为 RPST 和随机行走理论建立了新的联系，扩展了 RPST 的适用性，并展示出结合这两种方法优势以改进问题解决能力的潜力。
Apr, 2024
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
通过自反随机游走（SRRW）设计的随机游走者，结合采样和邻域探索的马尔可夫链蒙特卡罗（MCMC）过程，近似目标分布，并在一定程度上提高采样方差
May, 2023
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
使用一种非线性 Markov 链 - 即自排斥随机游走（SRRW）驱动分布式随机优化算法，证明了该算法的迭代误差趋于零，同时导出了迭代误差对应的渐近协方差矩阵的显式形式。
Jan, 2024
本文采用随机矩阵理论视角研究了随机环境下可逆马尔可夫链的频谱，针对两个简单模型的全局和边缘行为，包括所谓的谱间隙等进行了研究，两个模型均产生了具有非独立输入的随机矩阵。
Nov, 2008