2025年6月20日下午,香港理工大学助理教授韩睿渐应邀在明理楼B105作了题为"A Unified Analysis of Likelihood-based Estimators in the Plackett--Luce Model"的学术报告。本次报告由理学院、人工智能研究院联合主办,吸引了统计与数据科学领域的众多师生参与。
韩睿渐教授系统阐述了Plackett-Luce模型在社交选择理论中的排序聚合应用。针对该模型效用向量估计这一核心统计问题,他深入分析了基于全似然、边际似然和拟似然等不同估计量的渐近理论。通过深入研究估计方程,韩教授重点讨论了当比较对象数量增加时,这些估计量的渐近行为及其在统计效率与计算复杂度间的权衡关系。特别地,他在确定性图序列框架下建立了估计量的一致性和渐近正态性,并将理论条件应用于非均匀随机超图模型和超图随机分块模型等实际场景。报告最后通过数值实验验证了理论发现。本次报告展示的是与徐一鸣博士的合作研究成果。
韩睿渐教授2016年本科毕业于四川大学数学与应用数学试验班,2020年获香港科技大学数学博士学位,先后在香港中文大学和香港理工大学从事统计机器学习研究。其研究方向涵盖排序数据分析、在线推断和大语言模型等领域,成果发表于Annals of Statistics、Journal of the American Statistical Association等期刊。
报告结束后,韩教授与在场师生就模型假设的稳健性、超图拓扑条件的实际验证等问题展开了深入讨论。与会者表示,报告为复杂排序数据的统计建模提供了重要的方法论指导。
【关闭】