- MIM-Reasoner：多重网络影响最大化的具有理论保证的学习
多重影响最大化研究中，引入了 MIM-Reasoner，将强化学习与概率图模型相结合，有效捕捉给定多重网络中层内部和层之间的复杂传播过程，从而解决了 MIM 中最具挑战性的问题。通过在合成和真实世界数据集上的广泛分析，验证了 MIM-Rea - 用于检测 MQTT-IoT 协议攻击的多类分类方法
我们的工作集中于创建分类模型，以数据集为基础，该数据集包含使用 MQTT 协议的 IoT 系统遭受攻击的帧，以提高入侵检测系统的性能。我们研究了集成方法和深度学习模型两种分类攻击的方法，并取得了非常令人满意的结果。
- 无线网络中的分层联邦学习：修剪应对带宽稀缺与系统异质性
通过模型剪枝在异构网络中提出了一种剪枝启用的分层联邦学习 (PHFL) 算法，通过优化模型剪枝比例、CPU 频率和传输功率以最小化可控部分的收敛界限，在严格的延迟和能量约束下验证了算法的有效性。
- ICMLFedHeN: 异构网络中的联邦学习
本文提出了一种新的联邦学习训练配方，适用于具有不同架构的异构网络，采用一种副目标训练较复杂设备的架构以在联邦设置下共同训练不同的架构，实证表明我们的方法提高了不同架构的性能并节省了通信成本。
- Heterformer：一种用于异构文本网络节点表征学习的 Transformer 架构
本文提出了一种名为 Heterformer 的异构图神经网络 - 嵌套变形器，能够融合图神经网络和预训练语言模型来进行节点表示学习，实验结果证明其在链接预测、节点分类、节点聚类以及语义检索方面都优于现有的基准模型。
- 异质性匿名行走在异构结构的表示学习
本文研究网络不同结构的表示学习方法，设计了异构匿名游走技术和异构匿名游走嵌入方法，实验结果表明这些方法可以显著提高学习效果，并应用于大规模网络中。
- AAAI将异构网络嵌入双曲空间中，无需元路径
该论文提出了一种新颖的自我引导随机游走方法，将异构网络嵌入到双曲空间中进行嵌入，无需使用领域特定的先验知识进行元路径选择，实验证明该方法在网络重建和连接预测方面表现优异。
- 异质网络中基于上下文嵌入的自监督学习用于链接预测
本文提出了一种使用全局信息进行固定表示学习并使用局部注意力机制学习上下文节点表示的框架 SLiCE 解决了节点的应用背景信息不足的问题，不用预定义的 metapaths 就能自动学习特定任务的上下文信息，与现有的静态和上下文嵌入方法相比，在 - KDD无监督可微分多方面网络嵌入
本文提出了一种多方面的网络嵌入框架，名为 asp2vec，该框架通过动态分配每个节点的不同方面，从而提高了嵌入质量，并能够轻松地扩展到异构网络。
- 自监督的模态与视角不变特征学习
该论文提出了基于异构网络的多模式和多视角无关特征学习方法，通过两种约束条件实现特征信息的跨模式和跨视角一致性，并在三种数据模态下进行了验证。实验结果表明该方法能够提取出鲁棒性较强的高质量特征。
- 异构网络表示学习：一种具有调研和基准的统一框架
本研究旨在提供一个统一框架以深入概述和评估异构网络嵌入 (HNE) 的现有研究，并通过提供分类和分析不同现有 HNE 算法的优点和缺点、创建四个基准数据集以便于对 HNE 算法进行公正的评价、以及修改并创建 13 个受欢迎的 HNE 算法的 - KDD异构网络上基于自动路径发现的相似度建模
这篇论文介绍了使用连续强化学习和深度内容嵌入相结合的半监督联合学习框架以自动发现对于两个节点组对的有用路径来解决异构网络中复杂节点相似性建模的挑战，并且通过实验表明了该算法的出色性能。
- 异质社会中的社会公共品困境
研究不同空间结构和社会公共物品在生物进化中如何影响互惠行为，发现异质性网络能够促进互惠行为的出现，但这也可能导致少数人受益，大多数人受益较少或负面影响。此外，研究还发现即使总成本超过总利益，社会产品的制作者也可能受到选择的青睐。
- 联邦学习：挑战、方法和未来方向
本文介绍联邦学习的独特特征和挑战，提供当前方法的概述，并概述了与各种研究社区相关的几个未来方向。
- 学习二部网络的顶点表示
本文研究了网络表示学习领域中针对二分网络的。尽管节点嵌入图算法（Node2Vec）和线性邻居保留嵌入（LINE）等方法可以应用于二分网络的顶点嵌入中，但针对二分网络的研究尚不足够。
- 基于强化学习空时流行度的 5G 最优可扩展缓存
本研究提出了一个基于强化学习和全局 / 本地 Markov 过程的缓存策略框架，用于预取受欢迎的文件，以便下一次请求时可以快速提供服务。
- NIPS金融合同出现张量的非负因子分解
提出一种基于稀疏误差模型和分解算法的非负矩阵分解方法，应用于具有异构网络结构的金融文本数据（resMBS），达到了较好的效果。
- WSDM基于任务引导与路径增强的异构网络嵌入在作者识别中的应用
本文提出了一种基于任务指导和路径增强的异构网络嵌入模型来解决双盲审查下作者识别的问题，并通过实验证明了该模型相较于现有方法能够更准确地识别真实作者。
- MM异构网络的能量管理：基于基站激活、用户关联和干扰协调的方案
本文研究了异构网络中的能效资源管理，通过联合优化单元激活、用户关联和多单元多用户信道分配来实现，同时考虑了长期平均流量和信道条件。研究提出了一种新型的干扰模式和资源分配算法，可大幅度提高能量节省效果，并显式考虑了由单元激活 / 去活导致的干 - 异构网络信道衰落中移动切换失败分析
本文介绍了一个新的模型，分析了异构网络中的切换性能。本文的计算机模拟验证了分析结果，表明淡化对具有车载用户的 HetNet 中的切换性能具有显著的恶化影响。