- 揭示双曲网络中的隐藏核心 - 边缘结构
本研究综合探索了超几何网络模型中重要特征核心 - 边缘结构，通过对流行度 - 相似度优化模型（PSO）和 S1/H2 模型的研究，使用基于标准随机行走马尔可夫链模型的方法研究了核心 - 边缘结构。观察到的核心 - 边缘集中度值表明，在某些条 - 有向网络的强弱随机行走
提出了一种适用于具有多个共同体的带符号网络的随机游走算法，其结果是一个相似性矩阵，可用于将节点聚类成对立的共同体。通过一系列实验表明，相较于基于强型游走的相似性矩阵，基于弱型游走的相似性矩阵在具有多个共同体或在链接密度上不对称的图中能够更好 - 使用随机块模型推断带属性超图中的社区结构
通过将节点属性数据纳入超图中的社区结构学习，本研究提出了一种统计框架 HyperNEO，可以增强合成和实际超图中社区结构的学习效果，同时将使用随机块模型等模型获得的学习表示应用降维方法 UMAP 可以将节点映射到二维向量空间，从而在实际超图 - 通过社区感知特征预测节点属性
提出一种基于社区结构的节点特征家族，探索它们的性质，并证实它们在分类任务中具有高预测能力，包含了无法由经典节点特征或节点嵌入（无论是经典还是结构化）恢复的信息。
- 利用网络度量探索底层移动模式的社群结构
本文旨在通过分析居民的移动模式，探索智利圣地亚哥的社区结构。我们使用一个包含匿名居民的家庭和工作地点的近似位置数据集来构建一个代表城市内移动模式的网络。通过对该网络的分析，我们旨在识别智利圣地亚哥内存在的社区或子城市，并深入了解驱动城市空间 - 从下而上何时在层次社区检测中优于从上而下？
本文介绍了一种基于 自上而下 (top-down) 算法 的层次聚类的算法；通过实验，发现了这种算法与传统的 自下而上 (bottom-up) 的算法相比，可以更好地恢复精细的社区结构，并可在模型的中间层次上取得信息学门槛下的恢复。
- ICML关于相关随机块模型的精确图匹配的高效算法
本研究提出了一种有效的图匹配算法，该算法以基于每个节点的分区树之间的比较为基础，将大邻域划分为不同社区的统计指标来实现在稠密图中高概率完全匹配相关 SBMs 的第一个多项式时间算法。
- 社交网络中基于社区结构的公平信息传播
提出了一种基于网络建模从而实现公平信息扩散的影响最大化算法，可以有效解决社交网络中社群结构问题而不依赖节点属性，并且适用于部分观察和噪声干扰的网络。
- SATViz: Clausal Proofs 实时可视化
SATViz 是利用变量交互图和力导向布局算法可视化 CNF 公式，能动态高亮显示最近学习子句中出现的变量，实现生成可调整边权重的变量交互图布局，在本文中介绍了 SATViz 的结构和特性，并展示了一些有趣的可视化效果。
- KDD基于模板的图聚类
提出了一种由附加信息引导的新颖图聚类方法，将问题形式化为将观察到的图的 n 个顶点（要聚类）与 k 个顶点的模板图匹配，使用其边缘作为支持信息，并在正交矩阵集合上放松，易于找到 k 维嵌入。通过编码聚集的密度和他们的关系的相关先验，我们的方 - 超图中的随机游走和社区检测
本研究提出了一个参数的随机游走过程，应用于超图领域，探索了不同超图投影的随机游走过程的社区结构，并针对人工及真实超图采用了广义 Markov 稳定性框架的实验测定。
- MM分布式草图缩放图聚类
该研究使用基于矩阵草图的方法来解决在大规模图分析中传统方法遇到的挑战，尤其是无监督学习的社区结构划分问题，实验表明该方法在分配内存中可以获得出色的聚类效果，同时提高了聚类速度。
- 随机块模型遇上图神经网络
本论文提出一个稀疏变分自编码器用于图形数据，融入了 SBMs 和 GNNs 方向，实现了节点嵌入的快速推理，适用于各种类型的 SBMs，并在链接预测和社群发现方面得到了令人鼓舞的结果。
- 单个嵌入是否足够？学习能够捕获多种社交上下文的节点表示
该研究提出了一种学习多个图节点表示的方法，该方法基于一个本地社区的原则性分解来编码节点的角色，并展示了在多种图形上联合预测任务中的最新成果，从而减少了 90% 的错误率，同时还显示出这些嵌入允许了对学习社区结构的有效视觉分析。
- 建模时间交互数据中的稀疏性、异质性、互惠性和社区结构
提出了一类新的网络模型，基于自激励 Hawkes 点过程，可以有效捕捉在社交互动中观察到的稀疏性、度异质性、社区结构和互惠关系等重要特征，实验表明所提出的模型在链接预测方面优于许多竞争方法，并具有可解释性的参数.
- 社区对于影响力学习的重要性
本研究中，我们针对社交网络中的影响最大化问题进行研究。通过利用社区结构，我们设计了一种简单的启发式算法，在实践中有效地克服了该问题。尽管我们的算法在一般情况下的近似保证无法界定，但我们对其性能进行了实验，并在通过随机块模型生成的图中证明算法 - 光谱图锻造：以模块化为目标的图形生成
本文介绍了一种基于矩阵表示和谱结构的合成方法：调控模块度矩阵的低秩近似，生成保留原真实网络社区结构和随机性的合成网络，该方法在精度和结构保留上优于现有技术。
- 利用小子图统计量测试全局网络结构
使用小子图的观察频率之间的关系，提出了一种基于三节点子图频率的社区结构存在简单检验方法，该方法能够在网络引导模型的零假设下，显示出渐近正态的检验统计量，并在纠正度量复合备选假设下具有接近于一的功率，此外，该方法亦可用于多元高斯数据的检验，并 - 动态网络的随机图模型
本文提出了一些标准网络模型的概括，包括随机网络、配置模型和随机块模型，将它们推广到时变网络的情况。我们假设边缘的存在和缺失受节点属性的连续时间马尔可夫过程的速率参数控制，并演示了这些模型在数据分析和统计推断中的应用。我们的方法可以通过观察边 - 从多重网络中提取信息
本文探讨了用 Multiplex PageRank 算法来测量多层网络中节点的中心性，并表征了最近引入的指标函数 Θ^S 来描述其介观组织和社区结构的实用性。同时，本文以社会科学为例，研究了这些度量的三个多层网络数据集。