网络科学已经成为了融合数学中的图论、计算机科学中的计算机网络分析、社会科学中的社会网络、统计物理中的复杂网络等多个学科分支的综合性学科方向。其中，网络挖掘或图挖掘是网络科学中最具活力的方向之一。本期特刊旨在深入探讨图数据的复杂性，并促进理论进展与实际应用的协同。这一专门栏目意在促进计算机科学、数据科学、网络理论、物理科学和应用数学等领域研究人员和实践者的跨学科对话，共同推动图挖掘知识前沿的发展。

我在Applied Sciences（综合性、交叉性期刊，CiteScore=5.3；IF=2.5）组织了一个Special Issue，大题目是“图挖掘：理论、算法和应用”，以回应因为网络科学自身的快速发展以及图数据可获取性的增加，给图挖掘带来的重大机遇和挑战。

本期特刊的主要范围涵盖了图挖掘领域的挑战和发展。这包括链路预测（预测网络中缺失和未来的链接）、影响力节点识别（揭示在疫情传播和信息扩散中起关键作用的节点）、通信检测（解析交互模式/聚类）以及频繁子图挖掘（揭示重复出现的结构）。我们还关注网络演化的预测和过程，以及网络动态的结果。本期特刊热诚欢迎从不同视角探讨图挖掘的研究成果，包括从细致的机制模型到大规模机器学习算法的基础问题研究，以及图挖掘在生物学、社会学和经济学等现实系统中的深刻应用。

投稿截止时期延长为2025年3月10日，我们处理稿件非常快，欢迎大家投稿支持。

投稿链接如下：

https://www.mdpi.com/journal/applsci/special_issues/OL3HRBG965