本研究提出了一种新型主动采样算法（ATS），用于恢复图分析中的缺失节点属性。该算法通过评估节点信息的代表性和不确定性，展现出优越性，具有实际应用潜力。

本研究提出了一个统一框架，旨在弥补维度降低与图分析之间的差距，通过图理论优化可视化过程，强调图绘制和拓扑特征的应用，提升拓扑提取和嵌入生成效果，为未来的可视化研究开辟新方向。

本研究提出了GraphTeam，一个多智能体系统，旨在解决大型语言模型在图分析中的可转移性和性能问题。实验结果显示，准确率提高了25.85%。

本研究提出了一种基于图分析的少样本语义分割方法，解决了提示选择和超参数设置的问题。通过动态选择点提示和聚类，提高了分割效率和准确性。实验结果表明，该方法在多个数据集上优于现有模型。

本文介绍了图拉普拉斯矩阵及其与拉普拉斯算子的关系，它是图分析和图机器学习中非常有用的工具。通过图拉普拉斯矩阵，可以计算出图的“梯度”和“散度”等信息。