本研究提出双层行走（TLWalk）算法，解决了图嵌入方法在捕捉社区结构方面的不足。TLWalk通过社区感知的随机行走机制，平衡社区内部与外部的关系，降低局部偏倚。实验表明，该算法在链接预测任务中的准确率提高了3.2%，且具有良好的适应性和可扩展性。

该论文介绍了一种通过组织大型语言模型为社区结构的方法，旨在增强其集体智能和问题解决能力。不同的组织模型被研究，包括分层、扁平、动态和联邦。这些社区采用先进的交互机制，并动态调整其治理结构。该方法有潜力提高人工智能的问题解决能力，但需要深入研究伦理考虑、管理策略和可扩展性。该论文主张在人工智能研究和应用中转变为协同的运行框架。

该论文介绍了一种通过组织大型语言模型为社区结构的方法，以增强集体智能和问题解决能力。研究了不同的组织模型，并提出了实施该社区的重要潜力和伦理考虑。主张在人工智能研究和应用中进行范式转变。

研究人员分析了加权随机图的度量骨干，证明了社区结构的稳健性。实证比较证实了度量骨干在存在社区的情况下是一种有效的稀疏化工具。

本论文介绍了一种基于社区结构的方法，利用K-Shell算法生成种子节点和社区之间的连通性得分，以确保信息在社区内适当传播。实验结果显示，该方法在四项评价指标上明显优于基线方法。

本研究提出了一种新的方法来检测网络系统中的社区结构，测试结果表明该方法具有高度的灵敏度和可靠性。该方法还成功应用于两个社区结构不明确的网络。