川中ら[4]，[5]は， ソーシャルブックマークにおける概念を記述するタグを 相互情報量に基づく方法により解析し， 概念の派性関係の対(例えば「SNS(ルーツ)→mixi(派生概念)」のような対)を自動的に抽出した．
松尾ら[6]はWeb上の情報を用いて共起の強さから人物の関係性の強さを推定し， かつ「共著関係」や「同研究室関係」などの社会的関係性を判別し， その情報が示された人間関係ネットワークを作成した．
Referral Web[7]は，ある人物から対象人物への繋がりをWeb上の情報から順次発見していくものである． ある人物の名前と共起する名前を抽出し，更にその名前から次の名前を抽出するという方法を用いている．
原田ら[8]はある単語で検索したWebページ集合から固有表現抽出により人物名を抽出し， 独自に定義した共起度を使用し，共起関係から人物の関係を表すネットワークを抽出する方法を提案している．
村田ら[9]は検索エンジンで検索された件数を使用してWebページ間の関係を発見する手法を提案している．
Adarら[10]はブログ上での情報の流れについて，テキストの類似度，リンク， 時間の情報から解析するモデルを提案した．
丹羽ら[11]はソーシャルブックマークにおけるユーザベースの共起度とドキュメントベースの共起度を比較し， Synonymと呼ばれる同じ意味で用いられる語を共起度の高い精度で発見する手法を提案した．