- ICML一种超出最坏情况的图聚类的近线性时间逼近算法
在半随机图模型中，我们研究了平衡切割问题的精确性和时间复杂度，并且提出了第一个近似线性时间算法，以及与相关问题的拓展应用和对半随机分层随机块模型的聚类目标函数进行近似线性时间 O (1) 近似的方法。
- 抽象学习者学习语义语言的数学理论
利用密度演化分析，我们提出了一种数学理论来解释学习技能的产生，当训练文本的大小与技能数量的比例超过一定阈值时，展示了学习技能的出现。在训练完成后，我们提出了一种语义压缩方法，并讨论了其在语义通信中的应用。
- 一个基于 SDP 的分支定界算法用于双聚类
我们提出了一种定制的分支限界算法来解决 $k$-densest-disjoint biclique 问题，通过同时聚类数据矩阵的行和列，找到给定加权完全二分图的 $k$ 个不相交的完全二分子图（称为 bicliques），使它们的密度之和最 - 利用自适应关系图神经网络改进认知诊断模型
通过引入学生 - 习题二分图信息，我们提出了一种自适应语义感知图神经网络层并应用于认知诊断模型 (ASG-CD)，以解决其研究中的限制，并在三个真实数据集上进行了广泛实验证明了 ASG-CD 的有效性。
- 大规模二分图的高效高质量聚类
HOPE and HOPE+ are efficient solutions for k-Bipartite Graph Clustering that achieve state-of-the-art performance on lar - MindTheDApp：Complex 网络驱动的以太坊去中心化应用结构分析的工具链
MindTheDApp 是一种专为以太坊分布式应用（DApp）结构分析而设计的工具，利用 ANTLR4 和抽象语法树（AST）遍历技术将智能合约的架构和交互转化为专门的二分图，以实现高级网络分析，从而突出 DApp 体系结构中的操作效率。
- 使用食谱的常识推理图形形式化方法
本文提出了一种图形化的方法对食谱进行形式化，其中捕捉了食材、中间食品和最终产品的组成以及在转化食材过程中的行为，并提出了比较食谱、从子食谱构建食谱、将食谱拆分为子食谱的形式化定义，并介绍和比较了两种替换食谱的形式化定义。
- ICML基于深度学习和退化的子图匹配算法 D2Match
本文提出了 D2Match，一种基于 Deep learning 和 Degeneracy 的子图匹配方法，通过证明子图匹配可以退化为子树匹配，并形象地表述成在二分图上的完美匹配问题，并利用图神经网络的内置树状聚合机制实现线性时间复杂度，实 - 一步二分图切割：一种标准化的公式及其在可扩展子空间聚类中的应用
本文提出了一种新的一步二分图切割（OBCut）标准，可以在线性时间内强制执行归一化条件，并将其扩展到可扩展的子空间聚类方法中。实验表明，该方法在各种普通和大规模数据集上具有有效性和可扩展性。
- 基于二分图事件树的分层表示法用于谣言检测
本文针对社交媒体上的谣言检测问题，提出了一种以时间序列为基础的谣言检测模型 BAET，该模型利用事件树和双重图的结构表征以及基于 RNN 和注意力机制的方法来探测和解决谣言传播所涉及的网络结构，实证结果表明 BAET 相比于现有基线方法，在 - Transformer meets Stochastic Block Model: 数据自适应稀疏性和成本的注意力
本研究提出了 SBM-Transformer 模型，利用基于混合成员资格随机块模型（SBM）的稀疏注意力来解决二次成本问题，并证明了 SBM-Transformer 是任意序列到序列函数的通用逼近器，同时在 LRA 和 GLUE 基准测试中 - 利用统一和离散二分图学习实现有效的多视角聚类
本研究提出了一种通过统一和离散的二分图学习的高效多视图聚类方法，该方法采用基于锚点的子空间学习来学习多视图的特定于视图的二分图，并利用二分图融合来学习具有自适应权重学习的视图一致性二分图；同时，还加入拉普拉斯等级约束以确保离散的簇结构，通过 - WWW重新审视基于邻近的协同过滤链路预测
本文提出了一种在双分图中利用本地图结构的连接分数来扩展多个标准连通性预测方法的新方法，并与迭代度更新过程相结合，以利用局部图结构的方法。尽管该方法很简单且不涉及节点建模，但我们展示了它在四个广泛使用的基准测试上明显优于现有的基于 GNN 的 - MM共嵌套：通过映射在二分图上发现社群
本文提出了一种基于项目投影的共同聚类算法，以解决处理双向图时向量空间模型表现的问题。通过在聚类检索任务中测试，该算法能够产生平衡良好的聚类和相关项目，并导致高的检索得分。
- 在线随机匹配，泊松到达和自然线性规划
研究在线随机匹配问题，提出了基于 Poisson 到达模型的 0.711 竞争性算法和近似等价性证明，应用线性规划和 Jensen 不等式实现算法优化，推出第一个在较弱随机到达模型下的节点加权在线随机匹配算法。
- IJCAI通过预训练问题嵌入改进知识追踪
本研究提出使用基于神经网络的乘积模型为辅助信息预训练题目嵌入向量，并使用这些向量进行知识追踪，证明了这一方法的有效性。
- 图注意力跟踪
本文提出了一种简单的基于目标感知的 Siamese 图注意力网络解决视觉跟踪中的相似性匹配问题，通过建立完全二分图建立目标和搜索区域之间的部分对部分对应关系，并应用图注意力机制从模板特征传播目标信息到搜索特征，使用目标感知区域选择机制适配不 - AAAI图形协同过滤再审视：线性残差图形卷积网络方法
本文提出了一种无非线性激活函数的简化 GCN 结构，以提高推荐性能，并提出了一种专门用于 CF 的残差网络结构来解决大规模数据下图卷积聚合操作的平滑问题，该模型易于训练、扩展到大规模数据集，并在两个真实数据集上展示出更好的效率和效果。
- 二分图中的无嫉妒匹配及其在公平分配中的应用
本研究证明，每个二分图都有一个唯一的划分，使所有的嫉妒匹配都包含在其中一个划分集合中。利用这个结构定理，我们提供了一个找到最大极大匹配的多项式时间算法，并通过嫉妒匹配在具有连续或离散资源的各种公平分配问题中的应用，提出了一些对称算法。
- BiRank：面向二分图排序
本文研究了基于图的连接结构和先前的节点信息（我们称之为查询向量）来排名双分图顶点的问题，并介绍了一种新的解决方案 BiRank，该方案通过迭代分配分数，最终收敛为唯一的静态排序，并且展示了其在实际应用上的灵活性和实用性。