Machine learningNetwork science

Байесов анализ на дифузия в мрежи

Байесовият анализ на дифузия в мрежи прилага байесово вероятностно извеждане към изучаването на това как информация, болести, поведения или иновации се разпространяват през мрежа. Чрез поставяне на априорни разпределения върху параметрите на дифузията и тяхното актуализиране с наблюдавани данни за каскади, той количествено определя скоростите на предаване, идентифицира влиятелни разпространители, реконструира латентни пътища на разпространение и предоставя пълни оценки на несигурността — всичко това в рамките на принципиална статистическа рамка.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

Източници

  1. Gomez Rodriguez, M., Leskovec, J., & Scholkopf, B. (2012). Structure and Dynamics of Information Pathways in Online Media. Proceedings of the 6th ACM International Conference on Web Search and Data Mining (WSDM), 23–32. DOI: 10.1145/2433396.2433402
  2. Kitsak, M., Gallos, L. K., Havlin, S., Liljeros, F., Muchnik, L., Stanley, H. E., & Makse, H. A. (2010). Identification of influential spreaders in complex networks. Nature Physics, 6(11), 888–893. DOI: 10.1038/nphys1746

Как да цитирате тази страница

ScholarGate. (2026, June 3). Bayesian Network Diffusion Analysis (Probabilistic Inference on Contagion and Spreading Processes). ScholarGate. https://scholargate.app/bg/network-analysis/bayesian-network-diffusion-analysis

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Цитиран в

ScholarGateBayesian Network Diffusion Analysis (Bayesian Network Diffusion Analysis (Probabilistic Inference on Contagion and Spreading Processes)). Извлечено на 2026-06-15 от https://scholargate.app/bg/network-analysis/bayesian-network-diffusion-analysis · Набор от данни: https://doi.org/10.5281/zenodo.20539026