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

分析几何网络模型，提出了节点在点阵上排列的概念，并对 3 和 4 节点子图进行分析，发现许多真实世界的网络模式不仅仅是受到几何模型的影响，而是被选择为具有定义信息处理功能的基本电路元件。

Sep, 2004

本文提出了一种新的算法 Waddling Random Walk（WRW），用于估计任意大小的图相对浓度，并通过在可访问的节点路径上进行随机游走来采样子图以提高计算效率、精度与准确性。通过使用广泛使用的图形数据集，该算法在速度、精度和准确性方面都优于当前最先进的挖掘子图统计算法。

May, 2016

介绍一类称为 Graph Motif Parameters 的图参数，介绍如何根据这个框架更快地计算固定大小的子图在大图中的个数，以及针对一类这样的参数进行问题的复杂度二分，其中包括用于颜色保留的子图计数。

May, 2017

探讨了从网络中选择随机子网的两种采样方案：随机采样和连接依赖采样，研究了节点在两种采样方式下的网络度分布如何受到影响。我们得出了保证子网度分布与真实网络属于相同概率分布家族的必要和充分条件。同时，我们还讨论了采样概率依赖于节点度的情况，并发现即使是经典的随机图也不再适用于此类采样方案。最后，我们将结果与 E.coli 蛋白质相互作用网络数据相关联。

Jul, 2005

本文引入了一种新的聚类范式 —— 模式聚类，该文章探讨了模式聚类在社交网络社区分析中的应用，以及通过模式覆盖算法实现的重叠聚类与潜在特征推断等问题。

Dec, 2016

本文提出了一种可扩展的估算预期模体计数的过程，适用于神经和贝叶斯图数据方法中使用的类型的生成混合模型。

May, 2023

本文针对基于分布的局部聚类问题，提出了结合超图和图模型的新方法，通过组合优化算法求解，并在三角形图案实验中表现出了较高的性能表现。

May, 2022

本文提出一种适用于拟合图中概率模型的广义矩方法，通过计算图中某些模式的经验计数，可以拟合大量的概率模型。同时，我们证明了经验图矩的一些一般渐近性质，并证明了估计值的一致性，所有平均度数范围包括 Ω（1）的图都可以使用。此外，我们还得到了关于度分布的重要特殊情况的其他结果。

Feb, 2012