本研究提出了SIDSL框架，旨在解决图信息传播中的源定位问题，尤其是在数据有限的情况下。通过引入拓扑感知先验和条件去噪器，SIDSL在实际应用中表现优异，F1分数提高了7.5-13.3%。

本文提出了一种细粒度的拓扑感知抢占调度方法，针对共置环境中的大型语言模型工作负载进行调度，提升了调度性能55%。

本研究提出了一种基于拓扑感知的无监督领域自适应方法用于道路分割，通过预测道路骨架作为辅助任务来强制施加拓扑约束，并利用基于连通性的伪标签精化策略过滤噪声伪标签。实验结果显示，该方法在道路分割方面有较大增益，尤其在迁移场景上效果显著。

该文介绍了一种新的推荐算法——面向推荐的拓扑感知去偏自监督图学习(TDSGL)方法，该方法通过构建对比对来缓解数据稀疏性，解决了基于图协同过滤方法中随机负采样策略忽略用户（物品）语义结构的问题，实验结果表明该模型在三个公开数据集上表现显著优于现有模型。

本研究提出了一种基于拓扑感知的无监督领域自适应方法用于道路分割，通过预测道路骨架作为辅助任务来强制施加拓扑约束，并利用基于连通性的伪标签精化策略过滤噪声伪标签，避免出现孔洞和不连续性。实验表明，该方法在 IoU、F1 分数和 APLS 方面相较于现有的最先进方法有最少 6.6%、6.7% 和 9.8% 的较大增益。