- 节点嵌入和复杂网络精确低秩表示
本文研究低维嵌入在复杂网络中的应用，证明了可用一种轻微改进的模型生成高度簇聚密度的稀疏图，同时得到准确的低维分解，并用基于逻辑主成分分析的简单算法成功找到了精确嵌入，实验证明低维嵌入对于捕捉真实世界网络的局部结构具有良好的效果。
- 三角丰富复杂网络低秩表示的不可能性
本文研究了复杂网络的图嵌入，发现该方法无法捕捉复杂网络的重要特征，尤其是低度和大聚集系数。通过数学证明和实证研究，本文认为这种图嵌入技术不适用于揭示真实世界复杂网络的结构特征。
- 无权复杂网络的 Forman-Ricci 曲度和持续同调
本文介绍了拓扑数据分析及其在研究复杂网络中的应用，通过给网络加权并用 Forman 离散版本的 Ricci 曲率以及边介数中心度这两个量化工具，计算网络的持续同调，实现区分有不同拓扑性质的模型和真实网络。
- 使用 Ricci 流对网络进行社区检测
通过将网络看作几何对象并将网络中的社群视为几何分解，我们应用曲率和离散 Ricci 流的几何方法来分解网络社群。在具有基本真实社群结构的网络上测试了我们的方法，并实验验证了此几何方法的有效性。
- 可扩展的双曲推荐系统
我们提出了一个大规模的双曲线推荐系统，使用双曲几何作为基础几何模型可以显著提高推荐效果，并通过使用 Einstein 中间点等策略，实现了对数百万用户和数十万物品的大规模推荐。
- 学习和提取图特征进行链接预测的综述
本文对复杂网络中的链接预测方法进行了广泛的综述，将其分为四大类，包括基于相似性、基于概率、基于关系模型和基于学习的方法。此外，还介绍了一系列可用于研究链接预测的网络数据集。最后，讨论了最近的发展趋势和未来研究方向。
- GC-LSTM: 基于图卷积嵌入的 LSTM 模型进行动态链接预测
本文提出了 GC-LSTM 动态网络链路预测方法，结合 Graph Convolution Network 和 LSTM 网络实现了对动态网络添加和删除链路的预测，并通过实验验证了其优于当前最优方法。
- 深度学习系统作为复杂网络
该文章使用复杂网络中常用的技术研究了深度置信网络，以期获得从学习过程中得到的计算图的结构和功能特性的一些见解。
- MM从结构属性预测图分类
论文研究网络分类问题，使用实际网络和人工生成的图模型，证明不同领域的复杂网络有着独特的结构属性，并能够使用少量简单的结构属性予以预测其类别。
- 利用网络科学预测股市动向：一种信息论方法
本文提出了一种基于时间序列复杂网络（complex networks）和互信息（mutual information）的新方法来预测标准普尔 500 指数（S&P 500）未来的变化，并且使用这种方法可以明显提高建立 ARIMA 模型的准确 - 利用词向量丰富复杂网络，从语音转录中检测轻度认知障碍
使用复杂网络和单词嵌入 (CNE) 对神经心理评估中的病人发出的短语的文本进行建模，通过 CNE 对复杂网络进行了丰富，以更好地表示这种非语法性的语音，从而实现了对 MCI 的自动识别。
- 骨细胞的小世界：骨小凹 - 小管系统的连接组学
通过复杂网络理论，本研究在绵羊和小鼠骨骼中比较了不同类型的骨细胞网络的组织结构和信息传递效率，发现在组织水平存在巨大差异，但在细胞水平上，骨细胞网络构成的统计拓扑性质却是相似的，并提出个体骨细胞自组织成大规模相互连接网络的普适机制。
- 用于复杂网络比较的信息理论工具：光谱熵
本文运用量子统计力学的技术来定义复杂网络的熵度量，并开发了一组基于网络谱属性的信息理论工具，可以用于最大似然估计和模型选择。通过将这个框架应用于人体微生物组的网络，我们通过层次聚类分析高精度地恢复出现有的社区关联。
- 使用 Forman-Ricci 曲率和关联几何流对复杂网络进行表征
介绍 Forman-Ricci 曲率及其对应的流作为复杂网络的特征，旨在扩展基于节点的网络分析方法。将该方法应用于静态和动态复杂网络，并与已建立的基于节点的特征进行比较，建议其在数据挖掘中的应用，包括实验数据去噪和聚类，以及网络演化的外推。
- 基于网络模式识别的作者归属
利用复杂网络的概念和方法，研究关键词识别、自动提取摘要和作者归属等自然语言处理任务中的模式识别技术，提出了基于功能词重复模式的作者归属任务，运用机器学习方法对其进行验证，结果表明模式能够区分不同作者的写作风格，并推荐将其应用于其他相关的语言 - 差分隐私下的社区检测
本篇研究基于微分隐私解决复杂网络隐私保护问题，提出了基于 Louvain 方法的输入扰动方案 LouvainDP 和基于指数机制的算法扰动方案 ModDivisive，并在真实数据集上进行了充分评估，验证了其优越性。
- 随机块模型下的正交对称非负矩阵分解
该论文提出了一种基于规范化拉普拉斯矩阵的正交对称非负矩阵三因式分解的方法，用于在复杂网络中进行社区检测，在包括稀疏和高度异质性的图中均表现良好，并且比现有技术表现更优。
- 复杂网络的福曼曲率
研究网络的弯曲度和相关性，发现 Forman 曲率可用于深入了解复杂网络的组织结构。
- 基于路径熵的链接预测
本论文研究了利用信息理论量化复杂网络复杂性的方法，提出了一种基于路径信息熵的相似度指数 —— 路径熵指数，用于解决实际网络中的连接预测问题，实验证明该指数的性能优于主流的连接预测方法。
- 通过中尺度同调特征对加权网络进行分类
本研究介绍了利用代数拓扑学所衍生出的持久同调来研究网络结构的一种新方法，区别于传统基于局部特征的图论度量方法，提出了一种基于团的循环构建，将 14 个常见带权网络模型分为四类并探讨了其结构主题，最后与三种类别进行比较分析了真实网络的持续同调