本文研究了算法精度的量化计量问题，基于正则化互信息熵提出了一种标准化测量方法，并与 Omega 指数等其他方法进行比较，以解决社交网络分析领域中重叠聚类的精度计量问题。

Oct, 2011

本文构建了一个多样的分布族，展示了语言无关基准平台用于互信息估计器的实用性和局限性，并提出了适应问题困难度的适当估计器的选择指南及应用估计器时需要考虑的问题。

Jun, 2023

提出了一种在大型网络中估计信息关系的实用方法，可以可靠地估计互信息和多个信息项，并通过基因表达、金融市场和消费者偏好等领域的分析加以说明。

Feb, 2005

对比学习通过互信息分析的深入研究，引入了三种新方法和一些相关定理，以增强互信息分析的严谨性，并通过重新评估对比学习分析的三个实例，展示了它们在加深理解或纠正误解方面的能力。

Aug, 2023

本文提出了一种方法，将计算出的社区标签映射到基准标签中，并使用 kappa 指数和 F-score 来评估检测到的社区结构。实验结果证明了我们方法的优势，解决了现有指标在计算社区结构质量时出现的问题。

Jul, 2018

本文提出了一种名为 MIC 算法的层次聚类数据的方法，采用相互信息作为相似度度量，并利用其聚组特性。将此方法应用于从线粒体 DNA 序列构建系统发育树以及独立成分分析（ICA）的输出。

Nov, 2003

本文提供了关于贝叶斯网中互信息的先验分布、后验分布以及互信息分布的计算方法，以及这些方法的可靠快速的近似。

Dec, 2001

本文用互信息作为代替条件熵来训练深度神经网络分类器，并且在多个基准数据集上进行了实验证明，相对于现有交叉熵损失函数训练的模型，提出的互信息模型 (MILCs) 性能更好，总体测试准确率提升超过 10%。

Oct, 2022

本文介绍了基于 $k$- 最近邻距离的熵估计的改进互信息估计器类别，并说明了它们与现有算法的比较和实际应用中的有效性。

May, 2003

本研究介绍了一种新型协同效应计量方法并对其与其他三种信息理论方法进行了比较，研究表明本研究方法可准确测量多个变量对于单一结果变量的协同效应，同时也证明独立预测因子可以具有积极的冗余信息。

May, 2012