统一超图划分：可证张量方法和采样技术
本文研究了基于矩阵浓度不等式的谱超图划分算法的误差边界，研究了一种广义的随机非均匀超图种子分区模型，并证明了这个算法与该模型的一致性结果，为对超图分区理论的了解提供了新的观点。
May, 2015
提出了一种新的超图聚类技术，称为不均匀超图划分，其将不同的代价分配给不同的超图切割，证明了如果不均匀代价满足次模性约束，则不均匀划分产生了最优解的二次近似，并证明了在许多应用中可以获得显着的性能改进。
Sep, 2017
研究随机图中将顶点划分为块的谱技术，通过修改邻接谱分区算法，只需估计通信概率矩阵的秩上限，从而在模型错配的情况下实现一致性，也适用于具有多种模态的邻接表以及有向或无向的图。
May, 2012
本研究引入了一种新颖的流程，利用无监督图神经网络来解决图分割问题，并提出了一个专门用于此目的的可微损失函数。对于当前先进技术，我们对度量指标：割边和平衡进行了严格评估，结果表明我们的方法具有竞争力。
Dec, 2023
提出了一种新的两步方法来推断随机分区模型的参数，允许可变推断任务的使用，并具有可重参数化梯度，能够在对参数进行端到端基于梯度的优化时克服先前方法的限制，本方法在三个具有挑战性的实验中显示出了它的通用性。
May, 2023
本文提出了一种基于分割二分图的新型数据聚类方法，旨在最小化未匹配的顶点之间的边权重总和，通过边权重矩阵的奇异值分解来近似解决这个最小化问题并且在文档聚类问题上取得了显著的效果。
Aug, 2001
本文提出了一种基于广义非回旋 Hashimoto 矩阵的谱方法，用于从超边集合中的节点分配到社区的问题，并在稀疏区域分析其性能，结果表明此方法能够检测到社区，同时具有更简单、完全非参数化的重要优点，并且能够在不事先知道超边生成规则的情况下进行学习。
Jul, 2015
本文研究使用有边依赖节点权重的随机游走来发展超图的谱理论，并且给出了对于这种超图随机游走等价于图随机游走的条件，同时通过使用真实数据集展示了有边依赖节点权重的超图在排序应用中的优势。
May, 2019