Stochastic Block Model — Probabilistische Erkennung von Gemeinschaften in Netzwerken
Das Stochastic Block Model (SBM), eingeführt von Holland, Laskey und Leinhardt (1983), ist ein probabilistisches generatives Modell für Graphen, das Knoten latenten Blöcken zuordnet und die Verbindungswahrscheinlichkeiten zwischen Blöcken parametrisch schätzt. Es ist der grundlegende Ansatz für die Erkennung von Gemeinschaften, die Identifizierung von Kern-Peripherie-Strukturen und die Entdeckung hierarchischer Strukturen in der Netzwerkanalyse.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Methodenkarte
Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.
+16 weitere
Quellen
- Holland, P.W., Laskey, K.B. & Leinhardt, S. (1983). Stochastic Blockmodels: First Steps. Social Networks, 5(2), 109-137. DOI: 10.1016/0378-8733(83)90021-7 ↗
- Lee, C. & Wilkinson, D.J. (2019). A Review of Stochastic Block Models and Extensions for Graph Clustering. Applied Network Science, 4(1), 122. DOI: 10.1007/s41109-019-0232-2 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Stochastic Block Model (SBM). ScholarGate. https://scholargate.app/de/network-analysis/stochastic-block-model
Welche Methode?
Stellen Sie diese Methode neben ihre nächsten Verwandten und lesen Sie sie nebeneinander — die Bibliothek legt die Bücher auf den Tisch; die Wahl liegt bei Ihnen.
- DBSCANMaschinelles Lernen↔ vergleichen
- Graph Attention NetworkDeep Learning↔ vergleichen
- Graph Neural NetworkDeep Learning↔ vergleichen
- Hierarchische ClusteranalyseMaschinelles Lernen↔ vergleichen
- K-Means-ClusteringMaschinelles Lernen↔ vergleichen
- HauptkomponentenanalyseMaschinelles Lernen↔ vergleichen
- Text Network AnalysisText Mining↔ vergleichen
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →