近期，西南财经大学数据科学与商业智能联合DB视讯(中国)常晋源教授、波士顿大学Eric D. Kolaczyk教授、英国伦敦政治经济学院姚琦伟教授合作撰写的论文《Estimation of subgraph densities in noisy networks》被统计学国际顶级学术期刊《Journal of the American Statistical Association》正式接收。该论文讨论了在带有噪音污染的网络数据中如何对网络中的子图结构的密度进行估计与推断。他们发现：在简单的网络误差模型下，当错误率未知且只观察一个网络截面数据时，在minimax意义下无法得到关于子图结构密度的相合估计。在观测到多个网络截面数据时，他们给出了关于子图结构密度和错误率的矩估计，并证明该估计量具有渐近正态性。同时，他们提出了一种新的非标准的重抽样方法来计算渐近方差，从而得到了相应的置信区间。

作者简介：

常晋源，西南财经大学光华特聘教授，主要从事超高维数据分析以及高频数据分析两方面的研究。

Eric D. Kolaczyk，波士顿大学教授，主要从事网络索引数据的统计分析，尤为关注基础问题和实践中出现的统计问题。

姚琦伟，英国伦敦政治经济学院教授，主要从事时间序列分析的理论、方法及应用、非参数回归、时间空间过程分析、金融计量经济学的研究。