- 引文网络主题模型的文献分析
本文提出了一种将作者、主题和文档结合起来的主题模型，该模型能更好地拟合和聚类研究出版物，同时提出了一种有效的推理算法，可以在 CiteSeerX 的子集中探索研究出版物。
- 带有 Stack LSTMs 的贪婪式联合句法语义分析
本文介绍了一种基于转换的解析器，可以同时生成句法和语义依存关系，使用长短期记忆技术来学习算法状态的表示，并具有线性时间复杂度和特征提取，是目前在同时学习语法和语义的解析模型中性能最优的一种。
- WWW推荐系统中用户曝光建模
本文提出一种新的概率方法，将用户对物品的暴露度纳入协同过滤，将其建模为潜在变量，并从数据中推断其值，用于探索不同的领域和暴露度协变量下的问题，并在四个不同的领域中超过了现有基准的性能。
- 基于低秩分解的全连接 CRF 高效 SDP 推理
该研究论文提出了一种基于低秩近似和可扩展的半定规划算法的高效全连通条件随机场推理方法，该方法可以用于以前无法解决的全连通 CRFs，如像素级图像共分割。
- 深度展开：基于模型的启发式深度架构生成
本文介绍如何在深度神经网络中引入基于模型的方法以及相关推理算法，并展示如何将传统的网络视为马尔科夫随机场的均场推理，在此基础上实现非负矩阵分解，得到一种新类型的深度神经网络以及有效的训练方法。通过语音增强实验得到了与传统神经网络相似的结果， - 铰链损失马尔可夫随机场：结构化预测的凸推理
本文介绍了使用 hinge-loss Markov 随机场图模型进行结构化预测的方法，包括适用于 HL-MRFs 的可扩展的推理算法和几种学习算法，并证明了该方法在四个应用领域中能够与离散模型相媲美或更好的预测性能。
- 面向对象贝叶斯网络
本文提出一种面向对象的贝叶斯网络（OOBN）语言，旨在解决在面临大型复杂的领域时，使用贝叶斯网络进行建模的困难，并描述了建立复杂领域的过程中所采用的用于描述对象间关联的碎片化贝叶斯网，并提供了 OOBN 的推理算法以及在推理过程中利用模型碎 - 二值网络的信念优化：稳定的循环置信传播替代方法
本研究提出一种新颖的推断算法，可用于任意的、二元的、无向图。该算法直接下降 Bethe 自由能，更新成对概率和边际概率，以获得本地最小值。同时，该算法的稳定性为数据学习图模型提供了理想手段。
- 加权网络的子图分解
本文介绍了使用图结构对加权网络进行图元分解的方法，并使用具有可扩展性的 EM-Bron-Kerbosch 算法对其进行参数估计，探究了图元分解的计算复杂性、冗余性和预期精度等理论性质，并在 Facebook 的消息模式和 19 世纪的犯罪组 - 贝叶斯在线变点检测
本文提出了一种基于贝叶斯方法的在线检测突变点的算法，该算法针对在突变点前后的模型参数独立的情况，采用简单的信息传递算法计算了当前 “run” 的长度的概率分布，并在三个不同的真实数据集上进行了演示。