Bayesianer Stochastisches Blockmodell
Das Bayesianer Stochastisches Blockmodell (Bayesian SBM) ist eine prinzipiengeleitete probabilistische Methode zur Gemeinschaftserkennung in Netzwerken. Es behandelt die Gruppenzugehörigkeit als latente Variable und nutzt bayesianische Inferenz, um gleichzeitig die Blockstruktur wiederherzustellen und die Anzahl der Gemeinschaften auszuwählen, wodurch der Auflösungsgrenzen-Bias vermieden wird, der modularitätsbasierte Ansätze plagt.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Quellen
- 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 ↗
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Stochastic Block Model (Bayesian SBM). ScholarGate. https://scholargate.app/de/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.
- Bayesian Social Network AnalysisNetzwerkanalyse↔ compare
- Community DetectionNetzwerkanalyse↔ compare
- ModularitätsanalyseNetzwerkanalyse↔ compare
- Multilayer Stochastic Block ModelNetzwerkanalyse↔ compare
- Stochastic Block ModelNetzwerkanalyse↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →