Machine learningNetwork science

Ανάλυση Διάχυσης Βάσει Δικτύου Bayes

Η Ανάλυση Διάχυσης Βάσει Δικτύου Bayes εφαρμόζει Μπεϋζιανή πιθανοτική συμπερασματολογία στη μελέτη του τρόπου διάδοσης πληροφοριών, ασθενειών, συμπεριφορών ή καινοτομιών μέσω ενός δικτύου. Θέτοντας εκ των προτέρων κατανομές για τις παραμέτρους διάχυσης και ενημερώνοντάς τες με παρατηρούμενα δεδομένα καταρράκτη, ποσοτικοποιεί τους ρυθμούς μετάδοσης, εντοπίζει τους επιδραστικούς διαδιδόμενους, ανασυνθέτει λανθάνουσες διαδρομές διάδοσης και παρέχει πλήρεις εκτιμήσεις αβεβαιότητας — όλα εντός ενός αρχές στατιστικού πλαισίου.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

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

Πηγές

  1. Gomez Rodriguez, M., Leskovec, J., & Scholkopf, B. (2012). Structure and Dynamics of Information Pathways in Online Media. Proceedings of the 6th ACM International Conference on Web Search and Data Mining (WSDM), 23–32. DOI: 10.1145/2433396.2433402
  2. Kitsak, M., Gallos, L. K., Havlin, S., Liljeros, F., Muchnik, L., Stanley, H. E., & Makse, H. A. (2010). Identification of influential spreaders in complex networks. Nature Physics, 6(11), 888–893. DOI: 10.1038/nphys1746

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Bayesian Network Diffusion Analysis (Probabilistic Inference on Contagion and Spreading Processes). ScholarGate. https://scholargate.app/el/network-analysis/bayesian-network-diffusion-analysis

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

Αναφέρεται από

ScholarGateBayesian Network Diffusion Analysis (Bayesian Network Diffusion Analysis (Probabilistic Inference on Contagion and Spreading Processes)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/network-analysis/bayesian-network-diffusion-analysis · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026