本文研究了在有向和无向图上进行图嵌入技术的基础方法和存在的问题，提出了一个新的方法叫做转置接近度，以解决现有方法无法保持有向图外度分布和无向图优化目标冲突的问题，并且展示了该方法在各种图嵌入算法中的高效性和优越性。

May, 2019

本文提出了使用分布式计算框架计算大型边加权图的全面边加权个性化 PageRank 的新方法，使用了蒙特卡罗近似并结合优化技术，其准确性表现显着超过基线算法，并且速度比现有技术快数个数量级。

Mar, 2019

本文介绍了一种针对海量图形的基于节点重加权 PageRank（NRP）的同质网络嵌入方法。经实验证明，与现有的 18 种解决方案相比，NRP 在链接预测、图形重建和节点分类方面的效果更好，且速度更快。

Jun, 2019

本文介绍了一种高效的用于生成单节点表示的方法 InstantEmbedding，并进行了理论证明和大规模实验，结果表明其比传统方法需要的计算时间少 9000 倍以上，同时其所生成的表示具有很高的质量。

Oct, 2020

本文提出了新的 Personalized PageRank 估计和搜索算法，通过双向 PPR 估计器和基于采样的搜索算法实现了高效的估计和搜索。

Jul, 2015

本文提出了一种称为 PPRGN 的神经网络，该网络基于 Personalized PageRank 的思想，通过无样本学习的方式训练图像分类模型，该模型具有无限深度且不会出现过度平滑的问题，在各种节点和图像分类任务中实验表现卓越。

Jul, 2022

本文提出了一种针对保护隐私的网络嵌入方法，使用干扰原始网络的方式来减少泄漏隐私链接的风险，并通过量化隐私增益和效用丢失来确定最佳干扰方案，以获得最优的隐私效用权衡。

May, 2022

本研究提出了 NetMF 方法，通过矩阵分解的方式实现 skip-gram 网络嵌入方法的统一框架，并将各种经典的 skip-gram 方法（DeepWalk、LINE、PTE 和 node2vec）统一到该框架下。此方法是目前常规网络挖掘任务中优于 DeepWalk 和 LINE 的最新算法。

Oct, 2017

该论文提出了一种可训练相似度度量的节点嵌入方法 ——Lemane，该方法在大规模图上有着较高的可扩展性和更好的表现。

Jun, 2021

本文提出并研究了两种算法，用于在动态图上维护近似频繁访问节点的 PPR 向量。其中，两种变体 Forward Push 和 Reverse Push 算法，能通过图的加边和删除边的动态维护算法在保证相似性的情况下进行向前和向后推送，减少计算代价。

Mar, 2016