- 基于输出和输入链接的在线社交网络意见领袖检测
本文提出了一种新的基于社会影响力和社会一致性的中心性衡量标准，并构建了一个新的动态观点形成模型，然后设计了一个算法用于在社交网络中寻找对其他节点有重要影响的小子集，实验证明该算法显著优于其他现有方法。
- 有向网络社区检测的光谱算法
该论文介绍了 D-SCORE 算法，用于大型社交网络中的社区检测，通过对邻接矩阵的奇异向量进行元素级别的比率来降低节点度量异质性的影响，理论上证明了这种算法及其变体在有向去噪格子模型下的性能对其进行了显着的改进，同时提供了在社区核外部分添加 - 大规模有向网络的随机谱共聚类
本研究提出了两种基于随机投影和随机采样的随机谱共聚类算法，以加速大规模定向网络的共聚类，并在两种生成模型下理论分析其近似误差率和误叛集错误率。我们的数值实验表明了算法的效率，并发布了一个 R 包以便更好的可用性和可复现性。
- 对等节点分层：此权重网络中发现层次结构的实用算法
本文介绍了 Agony 排名算法的若干扩展，包括权重图和层级数限制，通过与容量流问题的联系和启发式算法加速求解，同时也证明了任何凸惩罚下的最小层级问题都可以多项式时间解决，而以任何凹惩罚优化最小层级问题都是 NP - 难的问题。
- 网络高效排名的物理模型
该论文提出了一种基于物理学原理的模型和高效算法，用于推断有向网络中节点的层次排名，并介绍了一种更精确的排名方式，并提供了一种对强度进行统计显著性检验的方法，应用于预测边的存在性和方向，并在实际和合成数据上分析展示出算法的效率与可扩展度。
- 有向网络的持久路径同调
利用 Grigor'yan, Lin, Muranov 和 Yau 构造的有向图同调研究持久化范畴中的非对称性，提出了持久路径同调，并在模拟和真实的有向网络上验证了其特征。
- 有向网络中的聚类与社区检测：综述
该论文对有向网络的聚类算法进行了深入的综述，介绍了基本概念和方法学基础，并从方法论原理和好的群集特性的角度讨论了聚类算法。此外，还介绍了图聚类结果的评估方法和指标，展示了有趣的应用领域，并提出了未来的研究方向。
- 使用矩阵函数排名中心和权威性
本研究将邻接矩阵的指数中的子图中心性和可通性的概念扩展到有向网络，并将它们应用于排名中心枢和权威。这种扩展是通过二分法实现的，具体地，将有向网络映射到具有两倍节点数的二分无向网络，以得到具有 对称邻接矩阵的网络。然后，将中心性和可共性在这个 - 有向网络中的社区结构
本文介绍了一种针对有向网络的社群发现方法，利用广泛使用的收益函数 - 模块度，通过将边方向的信息纳入，通过寻找网络可能的分割来最大化模块度，进而利用相应的模块度矩阵的特征向量得到社群结果，并证明该方法在各种测试网络上比以往方法产生更好的结果