（通讯员：刘晔）2026年8月20日上午9:00，我院特邀香港中文大学（深圳）数据科学学院教授、博士生导师宋方达教授，在南湖校区新图书馆5302室作学术报告。本次报告由beat365在线唯一官网登录承办，会议由赵波老师主持，学院部分教师及研究生参加了本次学术报告会。

会议开始之际，赵老师对宋教授的到来表示热烈欢迎，并简要介绍了宋教授的研究方向与学术成果。

报告人简介： 宋方达，香港中文大学（深圳）数据科学学院教授、博士生导师。主要研究方向为贝叶斯统计建模、模型可识别性证明及高效统计推断算法，聚焦基因组学、社交网络、在线学习、地质勘测等领域。曾获美国统计协会统计遗传学和基因组学优秀学生论文奖，在JASA、Nature Communications等期刊发表论文，主持国家自然科学基金青年项目。

报告题目：生存混合成员模型分析社交网络中事件发生时间

报告摘要：当我们通过电子邮件、Facebook、WhatsApp、微信或LinkedIn等渠道发送消息时，我们都非常关注回复率（即消息收到回复的概率）和回复时间（即收到回复所需的时间）。近年来，许多研究致力于利用点过程对社交网络中的消息发送行为进行建模。然而，针对社交网络中回复率和回复时间的统计建模研究仍然不足。与通常由发送者特征决定的发送行为相比，回复率和回复时间还取决于发送者和接收者之间的关系。本文提出了一种生存混合成员块模型（SMMB），该模型将半参数治愈率模型与混合成员随机块模型相结合，用于分析社交网络中节点对的生存时间数据。我们证明了该模型在不假设纯节点的情况下具有可识别性。此外，我们还开发了一种马尔可夫链蒙特卡罗算法来进行后验推断，并根据条件偏差信息准则选择网络中的社交集群数量。将 SMMB 应用于安然公司电子邮件语料库，可以深入了解该公司的组织结构和权力关系。

报告会上，宋方达教授首先阐述了研究动机：社交网络中的回复行为兼具异质性和复杂性，同一人对不同对象的回复速度和意愿差异显著，且存在大量永不回复事件、协变量影响及观测稀疏性等挑战。为此，他提出了生存混合成员块模型（SMMB），将混合成员随机块模型与半参数治愈率模型有机融合，并采用分段常数风险模型刻画基准风险，无需参数化假设。模型为每个发送者-接收者角色对赋予独立的治愈率模型参数，从而实现回复行为的异质性刻画。

在理论推导与算法设计层面，宋教授证明了SMMB在不依赖纯节点假设下的可识别性，并给出了后验一致性的充分条件，保障了统计推断的可靠性。在安然公司邮件数据应用中，模型将148名员工划分为初级与高级两个社群，所学角色比例与实际职位高度吻合。与传统二值网络模型相比，融入生存时间信息的SMMB能更清晰地揭示职位等级关联，表明事件发生时间数据提供了超越网络拓扑结构的额外信息。

报告结束后，与会师生就模型可识别性证明、MCMC算法收敛性、社群数量选择标准及模型在其它网络场景中的适用性等问题，与宋教授展开了深入交流。宋教授耐心细致地逐一解答，并分享了模型开发过程中的经验与思考，现场讨论热烈，学术气氛浓厚。

与会师生一致认为，本次报告主题新颖、方法独特，将生存分析与网络模型有机结合，兼具理论深度与实践价值，对开展交叉学科研究具有重要的启发意义。

初审：关迪

复审：杨凯

终审：王丹、王纯杰

beat365在线唯一官网登录

2026年8月21日