- 在 Twitter 上表征宣传网络：案例研究
本文采用数据驱动方法研究推特上的政治信息传播、社群结构、和推手角色，发现推特政治信息的传播和用户的关联会形成高度政治派别结构，相对应的，节点中心度数据值得进一步关注。
- 通过多语言 Twitter 数据集挖掘了解 COVID-19 政策的感知
本研究利用自然语言处理、文本挖掘和网络分析等方法，对与 COVID-19 大流行有关的推文语料库进行分析，识别不同时期应对疫情的常见方法并揭示其差异，同时揭示了从疫情早期开始通过 Twitter 传播信息和谣言的方式。最后，本研究介绍了一个 - WSDM基于中心点枢轴的完全子图计数算法
本研究提出了一种名为 Pivoter 的算法，它能够精确计算输入图中所有大小的 k-clique 的数量，并且成功地获取了之前的算法无法计算的较大的团计数，通过精简数据结构 Succinct Clique Tree 的构建，使得精确计算 k - 从零开始学习识别高介数中心节点：一种新的图神经网络方法
本文提出了一种基于 encoder-decoder 框架及 pairwise ranking loss 方法的学习算法，用于在大规模网络中快速且精确地鉴定 betweenness centrality 高的节点，与同类算法相比，具有较高的速 - 对抗网络攻击是否可被防御？
本文提出了基于图神经网络（GNNs）的对抗攻击的防御机制，包括新的对抗训练策略和平滑防御策略。实验结果表明，这些策略能够提高 GNNs 的抵御攻击的能力，并且在不同的网络分析任务中能够有效地防御各种对抗攻击。
- AAAI细粒度搜索空间分类用于求解子集问题的困难枚举变体
本文提出了一个简单，强大和灵活的机器学习框架，用于减少计算困难的集合问题的枚举变量搜索空间，并通过输入分布产生的信息提示来增强现有的最先进的求解器。我们将我们的框架实例化为图中列出所有最大团的问题，这是网络分析，数据挖掘和计算生物学中的中心 - 核矩阵谱的相对浓度界限
本文研究了核矩阵特征值的集中性质，证明了这些集中不等式适用于各种核矩阵的特征值，特别是非正定核矩阵在网络分析中的应用。
- 相关聚类推广
LambdaCC 和 MotifCC 是两种变体的相关聚类问题，应用于网络分析和社区检测，我们提出了两种非平凡的逼近算法来解决该问题，其中我们提出了两个算法来改善先前的逼近结果，同时还研究了在构造两个簇的限制下的逼近结果，其中 MotifC - 网络因果效应的自动 G - 计算
该论文提出了一种基于网络分析的新的统计方法，可以用于推断出现具有干扰和长程依赖的网络单元的平均因果效应，并通过自动 - g 计算算法进行推断。
- ICLR图的深度高斯嵌入：通过排名进行无监督归纳学习
Graph2Gauss 是一种利用高斯分布表示节点，可以快速有效地在大规模（带属性）图上学习多功能节点嵌入，并且优于现有的方法，在网络分析和不同类型的图上都适用的无监督学习方法。
- 加权随机块模型中的社区估计的最优速率
研究了一种基于加权邻接矩阵的随机块模型， 并通过一种基于离散化的算法，利用 Renyi 散度来表征其误差率。
- 十亿级网络中的外部影响和级联规模估计
本文提出了一种新的影响力度量，称为外向影响（OI），并基于 OI 提出了一个新的影响估计方法 SIEA / SOIEA，旨在通过分析随机变量的方差和范围来最小化样本数，而与现有的影响度量方法相比，该方法在理论上快数个对数，实践中快数个数量级 - 分层稠密子图发现的本地算法
这篇论文提出了一种局部算法框架，用于在图中查找稠密的子图及其关系，支持高可伸缩性并提供时质量均衡的近似，特别是展示了该算法在实际网络上的效率、可扩展性和有效性。
- 分层神经网络的模块化表示
提出了一种新的基于网络分析的方法，通过检测具有相似连接模式的单元的社区或聚类，从分层神经网络中提取全局和简化的结构，并通过实验验证其有效性，从而实现了分解网络、训练评估和数据分析等目的。
- 修正度数块模型中的社区检测
该研究探讨了在度校正块模型（DCBMs）中进行社区检测的最小极小风险，得出了极小风险是如何和参数相关联的，并提出了一个多项式时间算法来适应性地进行一致和甚至渐近最优的社区检测。
- 未知社区数量的概率社区检测
本文提出了一种基于贝叶斯非参数技术的概率框架，用于同时估计群体数量和群体结构的网络分析问题，提出了一种有效的 MCMC 算法，并在合成数据和基准真实数据集上展示了其优异性能。
- 将图嵌入罗伦兹时空
该研究提供了一种将有向无环图嵌入到闵可夫斯基时空中的方法，使用了多维标度（MDS）技术进行几何分析，并探讨了在引用网络分析中的应用， 如论文推荐和识别缺失引用。
- WWW在大网络中揭示小社群结构：一种局部谱方法
本文介绍了一种名为 LEMON (Local Expansion via Minimum One Norm) 的方法，通过局部扩展来发现重叠社区，在人工合成和现实世界数据集上进行了综合分析，并提供了有关种子集的质量和数量如何影响性能的启发式 - 有种子节点的 PageRank 算法的本地化
本研究通过研究种子 PageRank 以及它在不同网络拓扑结构下的行为，得出了在含有类似于现实社交网络中节点度数分布的图中，能够仅仅用数量较少的元素来近似种子 PageRank 向量的结论。同时，本研究在实际网络和合成网络上的试验给出了进一 - 随机块模型中社群检测的极小化率
本研究提供一个通用 minimax 理论来解决社区检测问题，在广泛的设置中给出了 mis-match ratio 的 minimax 速率，包括同质和非同质 SBMs，密集和稀疏网络，有限和不断增长的社区数量。研究使用了一系列的惩罚最大似然