该论文提出了一种基于物理学原理的模型和高效算法，用于推断有向网络中节点的层次排名，并介绍了一种更精确的排名方式，并提供了一种对强度进行统计显著性检验的方法，应用于预测边的存在性和方向，并在实际和合成数据上分析展示出算法的效率与可扩展度。

Sep, 2017

我们提出了一种受物理启发的方法来推断定向时间网络中的动态排名，该网络中的每个定向和打上时间戳的边反映了一对交互的结果和时间。我们的方法通过求解一组线性方程来推断每个节点的排名，其取值为实数，并随着每条新边的增加或降低（如胜利或失败），引发或降低节点的估计强度或声望的变化，这在真实情况下经常观察到，包括游戏序列，锦标赛或动物等级中的交互。我们的方法仅需要调整一个参数，因此对应的算法可扩展且高效。通过评估我们的方法在各种应用程序中（包括合成和真实数据）中预测交互（边的存在）及其结果（边的方向）的能力来测试我们的方法。我们的分析表明，在许多情况下，我们的方法的性能优于现有的预测动态排名和交互结果的方法。

Jul, 2023

本文提出了一种估算过程，可以高效确定潜在变量的位置，确定它们的基数，并识别潜在的分层结构，同时考虑到多个变量之间的多条路径，使得提出的算法可以在合适的图结构限制下渐近地找到整个图的正确马尔科夫等价类。

Oct, 2022

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

信息论方法提出一种基于随机游走的层次映射方程，以此发现网络中的多级结构和最优层次聚类。利用新的搜索算法，我们通过全球航空交通网络和科学交流模式等案例展示了这种方法的应用。

Oct, 2010

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

通过在短句设置中提取和总结相关信息，我们研究了以层次化方式对单词进行聚类的问题，特别是关注具有水平和垂直结构约束的聚类问题，我们通过将问题分为两个步骤来克服现有技术的瓶颈，首先，将其作为一个有软约束的正则化最小二乘问题来引导顺序图粗化算法的结果朝向水平可行解集，然后通过计算基于可用约束的最优截断高度从生成的层次树中提取平坦的聚类，我们展示了这种方法相对于现有算法具有很好的比较性能且计算上轻量级。

Dec, 2023

本文探讨了基于定向不相似性的网络，并试图通过各种可接受的方法来确定分层聚类。这些方法采用了数学上的公设和转换，包括对称性和非对称性方法，开发了相应算法，并以美国国内移民和经济部门间相互关系的网络为例进行了演示。

Jan, 2013

通过研究自适应干预下的因果图发现，提出了一种新的基准，捕捉任何搜索算法的最坏干预成本，并提出了在各种设置下实现对数逼近的自适应搜索算法。

May, 2023

本文研究在社交网络中，如何通过密度算法，从一个由多个技能节点构成的网络中，找到最合适的团队或合作对象，以满足项目对固定技能数量的要求，并给出了 3 - 近似算法和基于密度的启发式算法扩展，这类算法在多个团队协作兼容性指标方面具有优越性。

Feb, 2011