本研究关注于网络系统的统计特性，特别是网络的小世界属性、幂律度分布、网络传递等特性。我们还提出了一种新的方法来检测紧密结合的节点组成的社区结构，使用中心性指数来确定社区边界。我们在计算机生成的和真实世界的图上测试了该方法，并发现它以高度的灵敏度和可靠性检测出社区结构。我们还将该方法应用于两个社区结构不好知道的网络 - 一张协作网络和一张食物网络，并发现它在两种情况下都能检测出有意义的社区划分。

Dec, 2001

研究表明，三元闭合和同质性是解释社交网络结构的两个机制，并结合这两个机制的最小可解动态模型，我们从理论上确认了同质性可以被三元闭合机制放大的假设，并发现它可以导致社交网络的核心 - 外围结构和先前的同质性限制的记忆的出现，这种理论认识强调社会层面早期干预的重要性，以管理同质性决策制定的最不良影响，例如不平等、隔离和在线回音室。

Sep, 2018

本文介绍了一种分析交织在一起的重叠社区的方法，以揭示复杂网络的模块化结构。经过定义一组新的特征量进行统计分析，发现网络中的重叠显著，并揭示出网络的普遍特征。通过对合作，词汇关联和蛋白质相互作用图的研究表明，社区网络具有非平凡的相关性和特定的比例关系。

Jun, 2005

本文研究了 GNN 在同构和异构图中节点分类性能的差异。我们提出了一种非 i.i.d PAC-Bayesian 概率界，并通过特征聚合距离和同质比异质性差异解释了性能差异，并证实了较深的 GNN 的有效性。此外，我们发现了图形分布偏移问题的一个新因素，并提出了相应的新场景。

Jun, 2023

本文研究了节点分类的任务，并建立了群体公平性（以统计平衡和平等机会方式衡量）与局部同配性之间的联系，即链接节点具有相似属性的趋势，在社交网络中，这种同配性通常是由于同质性引起的，而同质性可以迫使个人进入共享敏感属性的社区；通过合成图，我们研究了本地同质性和公平预测之间的相互作用，发现并非所有节点邻域在这方面都是平等的。本文还研究了是否可以将不公平问题与应用 GNN 模型的设计相关联，我们发现采用能够处理非同配组标签的异质性 GNN 设计可以在真实和合成数据集中将局部异质性邻域的群体公平性提高高达 25％，优于同质性设计。

Jul, 2022

在本研究中，我们以往对同质性和异质性之间的二分法的认识启发了我们对深度图网络的归纳偏差的研究。然而，最近的研究指出，这种二分法过于简单，因为我们可以构建节点分类任务，其中图形完全异质，但性能仍然很高。我们的工作通过形式化两个生成过程来研究当这种强假设不成立时会发生什么，这两个生成过程可以用于构建和研究即席问题。通过一个我们称之为特征信息量的度量来定量衡量节点特征对目标标签的影响，我们构建了六个合成任务并评估了六个模型（包括对结构不可知的模型）的性能。我们的发现揭示了在放松上述假设时先前定义的度量不适用的事实。我们对研讨会的贡献旨在呈现可能有助于推进我们对该领域的理解的新的研究成果。

Aug, 2023

本研究使用标准计数方法，检测了五所美国大学的社交网络和社区结构，并分析了用户特征与网络社区之间的关联，发现这些网络通常有多个组织要素而不是一种主要组织要素。

Sep, 2008

该文研究了结构和动态的网络中的群体（communities），将其重新构想为链接组成的群体而不是节点，发现这种非传统的方法成功地调和了重叠群体和层级组织的对立组织原则，找到了许多网络中的相关链接社区，包括大型社交网络，结果表明链接社区是揭示网络中重叠和层级组织的基本构建块。

Mar, 2009

研究 Facebook 上百所美国大学的 “友谊” 网络的社会结构，并探讨用户属性在这些机构中的作用，比较不同特征在不同机构的相对重要性，可为深入研究此类现象提供微观和宏观视角的互补洞察。

Feb, 2011

研究图神经网络中的异质性标签与 GNN 对抗性攻击鲁棒性之间的关系，并且证实采用相应设计原则可以提高 GNN 的鲁棒性，实验证明采用这种设计可以比未接种疫苗的模型实现更好的鲁棒性，并且采用防御机制可以使其鲁棒性更强，性能提高达 18.33%。

Jun, 2021