超级克龙图模型
本文中介绍了一种名为 Kronecker graphs 的生成模型，可以截尾分布、小直径、密度增加和直径缩小等特性自动生成网络。使用 Kronecker 矩阵乘法结构和统计模拟技术，提出了一种快速、可伸缩的算法 KronFit，可用于拟合真实网络的 Kronecker 图形成模型参数，提取网络结构信息和生成综合图形。
Dec, 2008
用球落和草跳两种方法进行几何随机变量操作，以对稀疏图模型进行公司矩阵采样，其中草跳方法利用 Morton 编码将 Kronecker 产品操作与序列化问题建立了联系。
Sep, 2017
本文基于随机矩阵理论，在研究大规模的随机 Kronecker graph 时，发现其邻接矩阵近似遵循一个带有小秩信号矩阵和四分之一圆形奇异值分布的噪声矩阵，提出了一种 “去噪和求解” 的元算法，以减少计算复杂度和提高性能保证，给出了在合成和现实图上进行图推理和图分类的数字实验以支持该算法的优越性能。
Jun, 2023
本文提出了一种基于泊松度校正超图随机块模型（DCHSBM）的聚类方法，该方法利用最大似然推断来实现超图聚类，其聚类目标扩展了图的流行性目标，使用了一种新的基于节点整合的变化，具有高可扩展性。通过综合分析各种实验数据，包括学校联系网络、U.S. 国会议案、合作购买行为的产品类别和网站浏览会话的酒店位置，作者发现该聚类方法能够恢复具有相应高阶结构的真实聚类。
Jan, 2021
本文介绍了一种扩展了边远离独立性的稀疏随机图的一般模型，并且通过构造非齐性随机超图来替代每个超边，再通过与某个积分算子的范数相关来解释巨型连通性的临界点，并将该巨型连通量与某些（非 Poisson）多类型分支过程的生存概率关联起来，同时研究度分布和数量小子图的细节。
Jul, 2008
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
本文介绍了一种新颖的超图分类算法，通过构建具有任意阶多项交互的超图，并采用超图种群来提高算法的性能和鲁棒性，在两个数据集上评估并证明了其相较于通用的随机森林分类算法具有良好的性能。
May, 2024
本文研究了基于测度理论的交换性研究框架，并基于一种称为完全随机测度的随机过程推导了网络结构的重要性质，提出了一种哈密顿蒙特卡罗算法，实现了网络结构的后验分布探索和图形生成，并在包括社交网络、政治博客、蛋白质网络、引用网络以及互联网网络等多个真实数据集上进行检验。
Jan, 2014
本文提出了一种层次化聚类图的理论模型，采样自一个 graphon，采用了比随机块模型更丰富的图模型类，提供了一种产生正确聚类的算法，并给出了满足这些性质的明确算法。
Jul, 2016