- 基于异构信息完整化和卷积神经网络的长非编码 RNA 与疾病相关性预测方法
通过建立一个基于异质网络和卷积神经网络（CNN）的深度学习模型，预测长链非编码 RNA - 疾病关联 (LDAs)，该模型名为 HCNNLDA。试验结果显示，HCNNLDA 比几个最新的预测模型具有更好的性能，并且通过三种疾病的案例研究进一 - 异构网络中使用增强学习的分散隐蔽路由
利用强化学习算法实现的隐蔽路由策略在异构网络中传输机密数据，通过中继节点选择最优传输方式实现源节点到目标节点的通信，与最优集中式路由方案相比表现相近。
- 嵌入式异构关注变换器用于跨语言图像字幕生成
我们提出了一种嵌入的异构关注转换器（EHAT），用于建立跨领域的推理路径，以进行跨语言图像字幕生成，并集成到变压器中。EHAT 由掩蔽的异构交叉关注（MHCA）、异构关注推理网络（HARN）和异构协同关注（HCA）组成，在编码器中通过特殊的 - 基于元路径的概率软逻辑药物靶点相互作用预测
本研究提出了一种基于概率软逻辑（PSL）的网络药物 - 靶位点相互作用预测方法，通过多源信息的异质网络，包括药物相似性、靶位点相似性、药物 - 靶位点相互作用和其他潜在信息，利用元路径计数代替路径实例来降低 PSL 规则实例的数量。实验结果 - 一种基于聚类的无监督方法，用于学习科学论文中异构图的节点表示
提出一种聚类层次的无监督学习方法（UCHL），通过学习科学论文异构图中节点（作者、机构、论文等）的表示方法，实现整张异构图上的链接预测，取得优秀成绩。
- MM智能语义通信网络中的无线资源管理
本文针对智能语义通信中的用户关联和带宽分配问题，引入辅助知识库，在系统模型中设计了 “系统吞吐量” 的性能指标，通过两阶段解，提出了一个新的决策方案，与两款基线算法相比，提出的解决方案具有更高的性能表现和可靠性。
- ICLR基于异质网络的 COVID-19 药物再利用
开发了一种基于深度学习的异质网络方法，通过与 HCoVs 相关的靶蛋白构建综合异质网络，以发现可用于 COVID-19 的潜在药物，并取得了较高的预测性能。
- WWW多模态和对比学习用于点击欺诈检测
该研究提出了一种基于多模态和对比学习网络的点击欺诈检测方法，结合了用户的广泛特征、行为序列和异构网络来提取点击特征，并通过对比学习进行集成，相较于现有方法，可以提高 AUC 和 F1 分数。
- AAAI基于协同矩阵分解的多视角多实例多标签学习
本研究提出了一种基于协作矩阵分解的解决方案，称为 M3Lcmf，该方法使用异构网络编码不同类型的关系，探索包、实例和标签之间的潜在关系，并选择性地合并数据矩阵，进一步引入聚合方案，将实例级标签聚合到包级别，并指导分解，实验结果表明，在实例级 - 基于卷积神经网络的异构网络子信道和功率分配的能效优化
本文旨在解决异构网络在 5G 系统中网络流量爆炸的问题，提出了一个新的基于卷积神经网络的子信道和功率分配算法，以最大化 EE 性能，与传统迭代方法相比，运行时间低至 6.76％仍能达到全局最优解。
- WWW基于图分割和空间投影的异质网络嵌入方法 - GPSP
提出 GPSP，通过图分区和空间投影，学习多类型节点和链接的异构网络表示，各个子网中学习投影嵌入向量，将来自双部分子网的投影向量与同质子网的向量进行连接，展示出 GPSP 在结点分类与聚类等关键网络挖掘任务上的表现胜过现有基础线。
- 用户中心小型基站部署下异构毫米波蜂窝网络的覆盖
本文研究了具有用户中心的小型基站部署的 K 层异构下行毫米波（mmWave）蜂窝网络。使用随机几何工具，提供了信干比（SINR）覆盖概率的一般表达式，并探讨了 UE 聚类大小、主波束宽度和主波束直接收益增益等因素对该网络的覆盖概率的影响。
- 异构网络中的最优资源管理基站激活和线性收发器设计
该论文探讨了在密集部署的异构网络中如何通过联合优化中继器和确定活动基站集来实现高系统资源利用率，提出了两种常见设计标准下的公式和有效算法，并通过广泛的数值模拟证明了所提出算法的高效性和功效。
- 异构网络中增强的小区间干扰协调挑战
该论文介绍了异构网络概念，讨论了与此类网络架构相关的挑战，重点关注了 3GPP 中与增强间小区干扰协调有关的标准化活动。