Machine learningNetwork science

Модел на експоненциален случаен граф с тегла

Моделът на експоненциален случаен граф с тегла (W-ERGM) разширява класическата бинарна ERGM рамка за мрежи, чиито ребра носят количествени стойности — като честота на контакт, обем на търговията или интензивност на сътрудничество. Той моделира цялата мрежа от свързани ребра като вероятностно разпределение, дефинирано върху всички възможни претеглени графи, което позволява на изследователите да тестват дали структурни модели като реципрочност, транзитивност или разпределение на степените възникват отвъд това, което само шансът би произвел.

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. Krivitsky, P. N. (2012). Exponential-family random graph models for valued networks. Electronic Journal of Statistics, 6, 1100–1128. DOI: 10.1214/12-EJS696
  2. Robins, G., Pattison, P., Kalish, Y., & Lusher, D. (2007). An introduction to exponential random graph (p*) models for social networks. Social Networks, 29(2), 173–191. DOI: 10.1016/j.socnet.2006.08.002

Как да цитирате тази страница

ScholarGate. (2026, June 3). Weighted Exponential Random Graph Model (Valued-Edge ERGM). ScholarGate. https://scholargate.app/bg/network-analysis/weighted-exponential-random-graph-model

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

ScholarGateWeighted Exponential Random Graph Model (Weighted Exponential Random Graph Model (Valued-Edge ERGM)). Извлечено на 2026-06-15 от https://scholargate.app/bg/network-analysis/weighted-exponential-random-graph-model · Набор от данни: https://doi.org/10.5281/zenodo.20539026