本文是第一篇对网络类别（如社交网络和网页图形）进行大规模研究以确定它们是否互不相同（使用实际网络和合成图形的两个类别）的论文。使用随机森林分类器在真实和合成网络中实现了 94.2％的分类准确度。本研究发现：不同领域的实际网络具有独特的结构属性，可高精度地预测任意网络的类别；将合成网络分类是很容易的，因为我们的模型可以轻松地区分出合成网络和它们应该模拟的真实世界网络。

Sep, 2017

描述和演示了一个新的、混合方法，结合了对潜在特征的手动选择与现有的自动分类方法，并使用随机森林等方法进行分类，该方法在特征共线性存在时具有特别的实用性，实现了更高的准确性、更短的计算时间和更大的网络分类结果的可解释性。

Oct, 2016

研究网络中的等级结构和生成任意等级结构的一般模型，通过两个示例网络演示了该方法在解释网络数据、注释图与边、顶点及社区属性以及生成更多假设测试的一般空模型方面的优势。

Oct, 2006

该研究使用一种新模型生成网络结构，此模型可模拟复杂网络的主要属性，例如节点度数不同，度相关性不同等，并且具有应用于引用网络的实际意义。

Mar, 2013

这篇论文提出了一种从网络数据中推断出分层结构的通用技术，并证明了层次结构的存在可以同时解释和定量重现网络的许多常见的拓扑特性，同时还展示了层次结构的知识可以用于高精度地预测部分已知网络中的缺失连接，这表明分层结构是复杂网络的一个核心组织原则，能够为许多网络现象提供深刻洞察。

Nov, 2008

本文提出了一种基于 Graph Neural Networks 的新型深度学习方法，以解决如何预测大型演化网络中链接出现的问题，特别地，预测与 AI 相关的主题之间的链接。实验结果表明，使用此方法能够有效地识别出节点的吸收和密集子图的合并两种模式，且模型具有较高的预测准确性。

Jan, 2022

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

这篇论文回顾了近年来研究网络系统（如 Internet、社交网络和生物网络）的各种技术和模型，包括小世界效应、度分布、聚类、网络相关性、随机图模型、网络增长模型和动态过程。

Mar, 2003

本文对复杂网络中的链接预测方法进行了广泛的综述，将其分为四大类，包括基于相似性、基于概率、基于关系模型和基于学习的方法。此外，还介绍了一系列可用于研究链接预测的网络数据集。最后，讨论了最近的发展趋势和未来研究方向。

Jan, 2019

本研究介绍了利用代数拓扑学所衍生出的持久同调来研究网络结构的一种新方法，区别于传统基于局部特征的图论度量方法，提出了一种基于团的循环构建，将 14 个常见带权网络模型分为四类并探讨了其结构主题，最后与三种类别进行比较分析了真实网络的持续同调分析结果。

Dec, 2015