- 度量骨干网络如何保持社区结构
在这项研究中，我们分析了具有社区结构的广泛类别的加权随机图的度量骨干，并在形式上证明了社区结构在删去不在度量骨干中的所有边缘时的稳健性。多个图稀疏技术的实证比较证实了我们的理论发现，并显示度量骨干在存在社区的情况下是一种有效的稀疏化工具。
- 应用基于图形的矩阵完形填空技术于气象数据
本文研究了利用加权图表达的附加信息帮助低秩矩阵补全中的未知条目，通过对天气站记录的空气温度数据进行测试，并证明充分的时空图可以显著提高补全的准确性。
- 奇异值表示：神经网络的新图形视角
通过奇异值分解神经网络权重，构建权重图，探索并非在输入数据下，批规范化引起神经元之间的显著连接和自发稀疏现象，从而提出了奇异值表示作为一种新的方法来表示神经网络的内部状态。
- SynWMD：一种用于句子相似度评估的基于语法的词移距离算法
本文提出了一种使用句法分析树的改进型 Word Mover's Distance（SynWMD）方法，它建立在基于句子的句法分析树中的词共现统计上，并考虑了每个单词的重要性和它们之间的局部句法结构，通过在 6 种文本语义相似度（STS）数据 - EMNLP词嵌入空间中欧式与基于图的双语词汇表归纳分析
本文研究了欧几里得空间和加权图上节点的情况下双语词汇诱导问题，并展示了结合两种方法的优势。
- ICML具有不对称分类误差的本地相关聚类
研究了具有加权图的相关聚类问题，在此问题下，通过加权边标记为相似或不相似，通过最小化不同意向量的 l_p 规范的目标函数，提供了一个近似算法。
- ICML具有不对称分类误差的相关聚类
本文研究了相关聚类问题在每个相似边和不相似边权重符合一定假设下的近似算法，并给出了此问题渐近匹配的线性规划完整性间隙。
- ICML近线性时间的分层聚合图聚类
本文提出了一种层次凝聚图聚类算法框架并给出了完整的精确算法和近似算法，可以用于加权图的聚类问题，并通过用 $k$-NN 方法将点集转化为加权图，实现对点集的快速聚类。
- 多割最小最大相关聚类
本文提供了第一个问题的非平凡近似算法，来解决最小化每个子群组的最大不一致数的最小化最大相关聚类问题，并对 multicut 问题得出了相应的结果。
- CVPR使用锚节点的图匹配：一种学习方法
使用基于图拉普拉斯的节点签名以及边的点对热核映射来构建一种在锚节点已知的情况下，用于权重图匹配的距离度量方法，并使用整数二次规划法确定最优匹配。实验结果表明，该方法在随机生成的图和两个广泛使用的图像序列上具有优异的性能。
- 利用有效电阻进行图聚类
设计了一种多项式时间算法，可将任何加权无向图划分为子集并使子图的有效电阻直径不超过平均加权度的倒数，证明了有效阻抗与低电导集之间的新联系，并提出该联系可能对算法设计独立地产生兴趣。
- Potts 模型的平均场普适性
本文研究了具有 $q$ 种颜色的 Potts 模型在带权图序列上的性质，证明了一定条件下的平均场预测在渐近意义下的正确性，应用于 Ising 和 Potts 模型，进一步证明了在渐近正则图上铁磁 Potts 模型和 Ising 模型的极限对 - 图中的确定性和概率二分搜索
本文研究在带权无向图中的二分查找问题，并给出了一个在查询顶点时几乎达到信息熵下界的算法，同时也探讨了该问题在不同情况下的复杂性。
- 用于图信号的多尺度金字塔变换
本文提出了一种新的基于 Laplacian 金字塔变换的图信号多尺度处理方法，能够在加权图上分析高维数据的特征结构与信息多尺度表示，并详细介绍了图下采样、图降维和信号在图上的滤波与插值方法。
- ICML随机 k 近邻图中的最短路径距离
研究使用密度 p 在 R^d 上按随机方式绘制的 n 个数据点构建的加权或未加权 k 最近邻图的最短路径距离在样本大小趋近于无穷大时的收敛性，证明了对于未加权 k 最近邻图，此距离会收敛到底层空间上的不良距离函数，其性质对机器学习不利。同时