Machine learningNetwork science

Bayesovský stochastický blokový model

Bayesovský stochastický blokový model (Bayesian SBM) je principielní pravděpodobnostní metoda pro detekci komunit v sítích. Zachází s příslušností ke skupině jako se skrytou proměnnou a používá Bayesovskou inferenci k současnému zotavení blokové struktury a výběru počtu komunit, čímž se vyhýbá zkreslení rozlišovací schopnosti, které sužuje přístupy založené na modularitě.

Otevřít v MethodMindJiž brzyVideoJiž brzyDownload slides

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Method map

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

+2 more

Zdroje

  1. Peixoto, T. P. (2014). Efficient Monte Carlo and greedy heuristic for the inference of stochastic block models. Physical Review E, 89(1), 012804. DOI: 10.1103/PhysRevE.89.012804
  2. Nowicki, K., & Snijders, T. A. B. (2001). Estimation and prediction for stochastic blockstructures. Journal of the American Statistical Association, 96(455), 1077–1087. DOI: 10.1198/016214501753208735

Jak citovat tuto stránku

ScholarGate. (2026, June 3). Bayesian Stochastic Block Model (Bayesian SBM). ScholarGate. https://scholargate.app/cs/network-analysis/bayesian-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

Odkazuje sem

ScholarGateBayesian Stochastic Block Model (Bayesian Stochastic Block Model (Bayesian SBM)). Získáno 2026-06-15 z https://scholargate.app/cs/network-analysis/bayesian-stochastic-block-model · Datová sada: https://doi.org/10.5281/zenodo.20539026