我院潘蕊教授与合作者上海对外经贸大学的张妍讲师、复旦大学的朱雪宁副教授、厦门大学的方匡南教授、北京大学的王汉生教授在高水平统计期刊Journal of Computational and Graphical Statistics上发表了题为《A latent space model for weighted keyword co-occurrence networks with applications in knowledge discovery in statistics》的论文。

在学术论文中，关键词被广泛认为是传递核心思想的关键要素。本文构建了一个加权动态关键词共现网络，并提出一种用于分析该网络的潜在空间模型。该模型具备两个特点：第一、它适用于加权网络，而以往多数模型主要针对非加权网络设计。若仅将关键词共现频数简化为二元数值，将导致严重的信息损失；第二、该模型能够处理网络节点随时间演化的情况，并能评估新节点对网络连通性的影响。论文采用投影梯度下降算法估计潜在位置，并建立了估计量的理论性质。在实际数据应用中，以统计学领域的关键词共现网络为研究对象：既识别了整个研究时段的热点关键词，也分析了各时期内的关键术语；对于关键词组合，模型提供了一种评估其关联强度的新方法。最后，观实证结果还体现了统计学者对新兴研究领域的关注度近年来正逐步提升。

作者介绍：

潘蕊，中央财经大学统计与数学学院教授、博士生导师，中央财经大学龙马学者青年学者。主要研究领域为网络结构数据的统计建模、时空数据的统计分析等。在国内外期刊发表论文40余篇。著有中文专著《数据思维实践》、《网络结构数据分析与应用》。

撰稿人：潘蕊

审稿人：邓露