Dynamisches Stochastisches Blockmodell
Das Dynamische Stochastische Blockmodell (DSBM) ist ein generatives probabilistisches Framework, das das statische Stochastische Blockmodell auf Netzwerke erweitert, die zu mehreren Zeitpunkten beobachtet werden. Es modelliert gemeinschaftlich die Zugehörigkeit zu Gemeinschaften und deren Entwicklung, was es Forschern ermöglicht, latente Gruppen und deren strukturelle Veränderungen über die Zeit in longitudinalen Netzwerkdaten zu erkennen und zu verfolgen.
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.
Quellen
- 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 ↗
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Dynamic Stochastic Block Model (Temporal Community Detection). ScholarGate. https://scholargate.app/de/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.
- Bayesianer Stochastisches BlockmodellNetzwerkanalyse↔ compare
- Dynamische Community-ErkennungNetzwerkanalyse↔ compare
- ModularitätsanalyseNetzwerkanalyse↔ compare
- Stochastic Block ModelNetzwerkanalyse↔ compare
- Zeitliche NetzwerkanalyseNetzwerkanalyse↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →