该论文提出了一个统一动态图（UniDG）框架，用于视频时间特征分组，通过统一表示网络、动态图聚类和渐进关联方法实现了多模态聚类结果的融合，通过在 MTCG 数据集上的评估以及现有聚类和检索数据集上的验证，实验证明我们的方法可以取得有希望的结果，并且胜过几种最先进的方法。

Aug, 2023

本文介绍了一个名为 MovieGraphs 的数据集，用于收集电影片段中的社交情境，并探索了使用这个数据集进行情感识别、交互理解和原因理解的方法和相关研究。

Dec, 2017

本文介绍一种基于对比学习的图聚类模型 CGC，它能够学习节点表征和群集分配，支持静态和动态图的聚类，并能检测变化点。实验表明，该模型在真实世界的图聚类中表现卓越。

Apr, 2022

该论文提出一种名为 DGCF 的动态图协同过滤框架，利用动态图来同时捕捉项目和用户的协作和顺序关系，以解决传统的序列模型无法准确捕捉协作信息的问题，并在实验中表现出优越的性能。

Jan, 2021

本文旨在探讨如何在无监督行人重识别系统中进行跨摄像头标签估计，并提出了一种动态图匹配方法 (DGM)，通过学习中间估计标签来更新图像图和标签估计过程，降低跨摄像变化造成的不准确性。在多个基准测试中进行了广泛的实验，结果表明，DGM 与全监督基线相当，并优于竞争的无监督学习方法。

Sep, 2017

该论文提出了一种从事件图像中发现社交关系的系统，利用事件图像中的社交信息，通过协同出现等方法实现了一种面部聚类方法，可以在不知道事件参与者身份的情况下发现社交连接，通过收集超过 3000 名参与者的 40000 张脸部图像进行实验证明了脸部图像可以得到良好的聚类效果，从而构建了社交图，利用离线事件图像可能对社交网络分析产生长期影响。

Sep, 2023

通过构建 327 个电影的电影简介关联（Movie Synopses Associations，MSA）数据集，以及开发一套能够识别电影片段并且和简介段落进行精准匹配的框架，本研究指出利用文学结构和人物互动来提高匹配精度是非常重要的，相较于传统的特征匹配方法，这种基于图形的综合匹配策略能够在电影理解领域有实质性的提升。

Oct, 2019

本研究探讨了动态图数据上节点特征生成机制的学习问题，并提出了一种连续得分优化方法，名为 GraphNOTEARS，该方法有效地刻画了节点特征生成过程中的同时关系和时滞交互关系之间的 DAG 结构，可以在一个简洁的方式下展现特征生成过程。实验表明，该算法在模拟数据方面表现优异，并能够学习到来自真实世界数据集的节点之间的联系。

Nov, 2022

利用角色互动图和自然语言处理派生的特征，对当代文学作品进行社会调查和信息检索。从文学作品构建角色互动图，提取相关图特征，并利用这些特征解决各种现实生活问题。实验评估表明，角色互动图在文学作品的特定评估和信息检索方面具有高度有效性。

Oct, 2023

该论文提出了一种使用可穿戴照相机实现自动社交模式刻画的系统，其中通过检测与相机佩戴者互动的人，并将检测到的社交互动分类为正式和非正式两个步骤，在事件级别上对每个潜在的社交事件进行建模，并使用 LSTM 网络进行时间序列分类。最终通过聚类同一个人在整个社交互动集中的出现来全面理解用户的社交关系的多样性和频率。实验表明，该系统应用于自我中心的照片流上的社交模式刻画任务取得了有望的结果。

Sep, 2017