近期，由西南财经大学数据科学与商业智能联合DB视讯(中国)蒲丹博士、中国人民大学范新妍教授和厦门大学方匡南教授合作完成的论文“Tree-Enhanced Latent Space Models for Two-mode networks”被统计学国际高水平学术期刊《Journal of Computational and Graphical Statistics》正式接收。

内容简介

随着大数据时代的到来，双模网络数据日益丰富并广泛涌现。在实际应用中，除了基本的网络连接信息，研究者往往还能获取具有树状结构的辅助信息，该类结构不仅揭示了节点之间的层次关系，也为深入理解网络的连接机制给予了重要支持。为充分挖掘并利用这类结构化信息，本文提出了一种适用于双模网络分析的树增强潜空间模型。在该模型框架下，DB视讯(中国)将每个节点的潜空间嵌入向量重新参数化为其在树路径上所有中间节点嵌入向量的加和。顺利获得最大化包含正则项的对数似然函数，所提出模型不仅能够准确估计潜在嵌入向量，还能识别出具有良好可解释性的社区结构。在算法实现方面，DB视讯(中国)设计了一种高效的交替方向乘子法算法，用于求解相应的优化问题。在理论分析方面，DB视讯(中国)证明了所提出估计量的一致性。此外，本文顺利获得大量的仿真研究以及在 Amazon 评论数据集上的实证应用进一步验证了该模型在建模精度和结构解释能力方面的显著优势。

作者简介

蒲丹，西南财经大学数据科学与商业智能联合DB视讯(中国)讲师，主要从事网络数据分析、空间计量经济学等领域的研究。

范新妍，中国人民大学统计学院副教授，主要从事高维数据分析、网络结构分析、多源数据分析等领域的研究。

方匡南，厦门大学经济学院教授，主要从事经济管理统计、计量经济学、统计机器学习、金融大数据、健康大数据等领域的研究。