赵俊龙，北京师范大学统计学院教授、博士生导师，应用统计系主任。研究领域：高维数据分析、统计机器学习。

近日，赵俊龙老师在统计学期刊《Biometrika》发表论文“Dimension Reduction for Covariates in Network Data”，文章围绕网络数据分析中的一个重要问题--利用协变量信息解释网络连接的强度。为了研究这一问题，文章引入了一种新的方法，称为基于网络的有监督降维。该方法通过将协变量投影到低维空间来揭示网络连接模式，且无需假设模型。文章提出了一个新的损失函数来估计线性投影中的参数。有趣的是，所得估计的收敛速度取决于一个网络影响因子。该网络影响因子等价于划分一个图的最小数目，其方式类似于图着色问题。此外，研究发现文中的方法与主成分分析和线性判别分析在特定条件下是等价的。因此，该方法可以用于聚类和社区检测。数值实验和天文学中脉冲星候选数据的分析也都进一步说明了本方法的有效性。

Biometrika是统计学界权威杂志之一，主要发表统计学的重要成果和进展。

 

 

原论文成果如下：

[1]Junlong Zhao, Xiumin Liu, Hansheng Wang, Chenlei Leng（2021）Dimension Reduction for Covariates in Network Data， Biometrika，online，https://doi.org/10.1093/biomet/asab006