Machine learningNetwork science

ডাইনামিক স্টোকাস্টিক ব্লক মডেল

ডাইনামিক স্টোকাস্টিক ব্লক মডেল (DSBM) হলো একটি জেনারেটিভ প্রোবাবিলিস্টিক ফ্রেমওয়ার্ক যা স্ট্যাটিক স্টোকাস্টিক ব্লক মডেলকে একাধিক সময় বিন্দুতে পর্যবেক্ষণ করা নেটওয়ার্কের জন্য প্রসারিত করে। এটি কমিউনিটি সদস্যপদ এবং কমিউনিটির বিবর্তনকে যৌথভাবে মডেল করে, যা গবেষকদের দীর্ঘমেয়াদী নেটওয়ার্ক ডেটাতে সুপ্ত গোষ্ঠী এবং তাদের কাঠামোগত পরিবর্তন সনাক্ত ও ট্র্যাক করতে দেয়।

MethodMind-এ খুলুনশীঘ্রইভিডিওশীঘ্রইDownload slides

পুরো পদ্ধতিটি পড়ুন

শুধু সদস্যদের জন্য

এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।

সাইন ইন করুন

Method map

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

উৎস

  1. Yang, T., Chi, Y., Zhu, S., Gong, Y., & Jin, R. (2011). Detecting communities and their evolutions in dynamic social networks — a Bayesian approach. Machine Learning, 82(2), 157–189. DOI: 10.1007/s10994-010-5214-7
  2. Matias, C., & Miele, V. (2017). Statistical clustering of temporal networks through a dynamic stochastic block model. Journal of the Royal Statistical Society: Series B, 79(4), 1119–1141. DOI: 10.1111/rssb.12200

এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন

ScholarGate. (2026, June 3). Dynamic Stochastic Block Model (Temporal Community Detection). ScholarGate. https://scholargate.app/bn/network-analysis/dynamic-stochastic-block-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

যেখানে উদ্ধৃত

ScholarGateDynamic Stochastic Block Model (Dynamic Stochastic Block Model (Temporal Community Detection)). 2026-06-15 তারিখে সংগৃহীত, উৎস: https://scholargate.app/bn/network-analysis/dynamic-stochastic-block-model · ডেটাসেট: https://doi.org/10.5281/zenodo.20539026