- 动态图中链路预测算法评估的新视角
通过对负采样的可能性进行分类，并引入新的可视化方法以研究预测性能和时间网络动态，我们验证了错误通常在不同数据段之间不均匀分布，并认为这些可视化工具可以成为评估不同层次的动态链接预测方法的强大指南。
- 时序图网络中新节点的动态链接预测
使用基于元学习原理的新型模型对新节点的动态链接预测进行建模，通过在时间编码器和预测器中融入元学习范式，实现了对新节点的快速适应并取得了卓越的性能。
- KDD利用基本图形转换进行时间图生成
本文提供了一种实用的临时图形生成模型，即 Motif Transition Model（MTM），旨在生成具有现实全局和本地特征的合成时间网络，通过模拟时态模式转换过程来实现全新事件的排序和生成。
- WWWCS-TGN: 基于时间图神经网络的社区搜索
提出一种基于查询驱动的时间图卷积网络（CS-TGN），该方法可以以数据驱动的方式捕获灵活的社区结构，并且在动态和静态的情况下都表现出更好的效率和结果质量。
- 基于簇结构的动态网络演化过程建模
本文提出了一种名为动态集群结构约束模型（DyCSC）的新型时间网络嵌入方法，旨在通过对节点在网络中朝给定数量的簇的趋势施加时间约束来捕捉时间网络的演变。实验结果表明，DyCSC 在多个实际数据集上表现出优越性，它在多个时间链接预测任务中始终 - 基于邻域感知的可扩展时序网络表示学习
该研究提出一种邻域感知的时间网络模型，使用一种新颖的字典类型邻域表示方法，设计了一种数据结构支持字典表示在 GPU 上并行访问和更新，通过实验表明，该模型在节点链接预测准确性（对于在归纳和传递方式下）优于最先进的基线方法，可以实现该特征的速 - WWWONBRA: 时态网络中时间介数中心性的严格估计
本文提出了 ONBRA 算法作为第一种基于抽样的近似算法，用来计算带有时间信息网络中节点的时间介数中心性，为减少计算代价带来质量保证。
- KDD在双曲空间中通过隐式分层学习进行离散时间网络嵌入
本文提出了基于超伯利模型的时间图网络（HTGN），旨在通过利用超伯利几何的指数能力和层次意识来捕捉时变行为并保持层次信息，从而在时间图嵌入方面取得更好的效果。在多个真实数据集上的实验结果表明，HTGN 在各种时间链接预测任务中的表现优于竞争 - ICLR通过因果匿名漫步进行时态网络中的归纳表征学习
本文介绍了一种基于 Causal Anonymous Walks (CAWs) 的神经网络模型 CAW-N，用于利用匿名化的时空随机游走来表示动态网络，支持联机训练和推理，并在链接预测方面表现出优秀的性能。
- 非线性 + 网络：2020 视角
对网络和非线性的几个有趣的主题进行了简要调查，重点介绍了一些方法和思想，包括几个我个人感兴趣的方法和思想，这些方法和思想在未来几年内预计将特别重要。这些主题包括时间网络、网络上的随机和确定性动力学过程、自适应网络和包括网络中三个或多个实体的 - 具备微观和宏观动态的时间网络嵌入
本研究提出了一种新的时变网络嵌入方法 M2DNE，它能够精细地捕获网络结构和性质中的微观和宏观动态，大量实验证明 M2DNE 在传统任务和时间倾向相关任务中的表现均显著优于现有技术。
- 在时间图中列出所有的最大 $k$-Plex
文章研究了在时间网中找到特定类型的社区（Delta-k-plexes），并提出了一种递归算法来枚举所有的最大 Delta-k-plexes，其中 Delta-1-plexes（即 Delta-cliques）比之前的算法更快。
- 时间网络中的 Motifs
本文发展了时态网络模体的概念以及一个计算方法。结果表明不同领域的网络拥有显著不同的模体计数，同一领域的网络则有类似的模体计数，不同的模体发生在不同的时间尺度上。
- 时间网络的基本优势
本文探讨了时间网络的控制属性，发现与静态网络相比，时间网络能够更快地达到可控性，需要更少的控制能量，并且控制轨迹更加紧凑，从而显著增强了我们控制它们的能力。
- 动态社区结构建模序列与时态网络
本文开发了一种数据驱动方法，基于 Markov 链模型和贝叶斯推断框架，同时解决了因过度拟合和任意先验时间尺度的影响对网络动态社群结构提取的问题。该方法可以确定相关时间尺度，并识别在网络上发生的动态模式以及塑造网络本身的因素。
- 现代时间网络理论：一次学术交流
本文综述了过去三年来分析和建模时空网络及其上进行的各种过程的方法，旨在更准确地进行预测和机械理解，重点关注社交网络中的传染病、观点和谣言传播、计算机网络中的信息包以及生物学中的各种信号等，并讨论了未来的研究方向。
- 在线网络中的优先连结：测量与解释
本文对网络科学和相关领域的一个基本假设进行了实证研究，揭示了 Web 网络的偏好附着现象在不同类型的网络中呈现非线性的特征，提出了偏好附着指数 β 作为一种新的网络特征量，可用于区分不同类型的网络，并提出了相应的机制解释。
- 对话事件序列的自激点过程建模
研究了 Hawkes 过程对生成突发事件序列的基础属性，然后将该模型适用于日本公司办公室中的对话序列数据，估计了个体之间自己兴奋、基础事件率和它的时间衰减的相对大小。同时指出该模型的重要局限性在于无法独立调节事件间隔的相关性和突发性。
- 复杂网络中的共识聚类
探究了社区结构如何能被用于复杂网络中以展示其组织和其组成部分之间隐藏的关系。这里提出了将一致性聚类（consensus clustering）与任何现有方法自洽地结合起来的框架，以显著提高生成的分区的稳定性和准确性。在将该框架应用于大型物理 - 时态网络
该文章探讨了时间网络的新兴领域，讨论了分析拓扑结构和时间结构的方法以及阐述它们与动态系统行为的关系，并指出与静态网络不同，由于在时间网络中有些基本属性不一定成立，因此需要创新性的方法来研究分析。