应用数学与交叉科学研究中心复杂网络团队于2025年11月25日进行每周小组组会，小组全体成员和各位导师共同参加。在这次组会上，由一名研二学生和两名研一学生分别汇报自己的研究进展，然后老师与同学们对汇报内容进行学术探讨，并对存在的问题给出相应的指导和建议。

白佩瑶：本次汇报了一篇文献《中国金融机构风险关联性: 基于DBN-LGCNET多层网络的计量研究》，提出了一种创新的动态贝叶斯-局部高斯相关网络模型（DBN-LGCNET），用于精确刻画金融系统在宏观冲击下复杂的风险溢出效应。该模型作为一种半参数方法，有效突破了传统参数模型在维数和模型设定上的局限，能够同步衡量整体与尾部风险的时变非线性关联。将该模型应用于我国A股65家上市金融机构的实证分析，结果表明：1）金融系统内部存在显著的尾部风险溢出现象。2）风险溢出具有行业异质性：银行业是一般风险的主要传播源，而证券业则是尾部风险的关键来源。3）风险传播呈现动态演化特征，其中国有银行在接收风险溢出时表现稳定，而中小银行对极端事件的抵御能力明显偏弱。4）极端事件会重塑网络结构：在一般关联网络中，银行业影响力上升而证券业减弱；在尾部关联网络中，金融机构间联系普遍增强，保险业的关联性提升尤为显著。该工作为理解金融系统性风险的生成与传导机制提供了重要的方法论工具和微观证据，对强化宏观审慎监管、防范化解重大金融风险具有关键的理论价值。

谢志豪：本次组会汇报了一篇文献。在“双碳”战略目标驱动下，评价低碳、零碳、负碳新兴技术的潜在环境影响，在技术发展的早期阶段从系统观视角对技术的开发提供决策参考，对从源头上降低技术全生命周期的资源能源消耗和环境排放具有重要意义和实用价值。本文辨析比较了生命周期评价的相关概念，综述了国内外前瞻性生命周期评价领域的研究进展，运用文献计量学方法从研究趋势、研究对象、关键领域等方面深入分析了前瞻性生命周期评价方法的发展和应用现状。针对该方法面临的数据可用性不足、规模放大非线性、不确定性大、可比性低等挑战，本文提出了前瞻性生命周期评价方法的综合框架。最后，阐述了该方法在支撑中国双碳战略目标方面的重要作用，并提出了未来的改进建议与应用展望，以期为其在中国的本地化应用提供实用参考。在未来，使用该方法进行技术比较和选择将促进降碳技术的创新与发展，助力推动更低成本、更环境友好的新技术开发，从而实现“双碳”目标。

陈恳：本次组会汇报了DeepWalk: Online Learning of Social Representations。本文是最早提出的基于word2vec的图嵌入算法，实现了将图问题转化为词嵌入问题。DeepWalk利用截断随机游走获得的局部信息，通过将游走视为句子等价物来学习潜在表示。通过学习网络中节点与节点的共现关系来得到网络中节点的嵌入向量，从而可以将网络中的结构信息和机器学习相结合来刻画和分析网络图。