PageRank算法的连续极限
提出了一个严格研究有向图学习算法连续极限的新框架，证明了数值格式的一致性和稳定性，并计算了离散解到连续极限PDE解的显式收敛速度。 多线性PageRank
本文首先将著名的PageRank修正推广到高阶马尔可夫链，然后发展了简单不动点法、移位不动点方法和多线性PageRank特定参数范围内的牛顿迭代的收敛理论。 张量谱聚类在高阶网络结构划分中的应用
这项工作提出了一种张量谱聚类算法，该算法允许在图划分框架中建模高阶网络结构，并证明TSC算法产生的大划分比标准谱聚类算法减少了定向3个周期。 三个超图特征向量中心
使用最近建立的张量Perron Frobenius理论，开发了超图的三个张量特征向量中心，每个特征向量中心对图特征向量中心如何揭示真实世界数据上的不同信息有不同的解释。 使用PageRank对图形进行局部分区
提出了一种计算近似PageRank向量的改进算法，该算法允许我们在时间O（2 b log2 m/⁄2）中找到电导最大为的切割，其小边的体积至少为2 b，其中m是图中的边数。