Χρονικό Μοντέλο Στοχαστικών Τμημάτων
Το Χρονικό Μοντέλο Στοχαστικών Τμημάτων (TSBM) επεκτείνει το κλασικό Μοντέλο Στοχαστικών Τμημάτων σε ακολουθίες στιγμιότυπων δικτύου, συμπεραίνοντας ταυτόχρονα λανθάνουσες ομαδικές συνδρομές και πώς αυτές οι συνδρομές εξελίσσονται στον χρόνο. Συνδυάζει ένα παραγωγικό μοντέλο πιθανότητας ακμών με μια διαδικασία Markov πάνω σε αναθέσεις τμημάτων, επιτρέποντας την αρχή της στατιστικής ανίχνευσης της κοινοτικής δομής που αλλάζει με την πάροδο του χρόνου.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
- Xu, K. S. & Hero, A. O. (2014). Dynamic stochastic blockmodels for time-evolving social networks. IEEE Journal of Selected Topics in Signal Processing, 8(4), 552–562. DOI: 10.1109/JSTSP.2014.2310294 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Temporal Stochastic Block Model (Dynamic Community Detection via SBM). ScholarGate. https://scholargate.app/el/network-analysis/temporal-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.
- Μοντέλο Στοχαστικών Μπλοκ Πολλαπλών ΕπιπέδωνΑνάλυση Δικτύων↔ compare
- Μοντέλο Στοχαστικών ΤμημάτωνΑνάλυση Δικτύων↔ compare
- Χρονική Ανίχνευση ΚοινοτήτωνΑνάλυση Δικτύων↔ compare
- Ανάλυση Χρονικής ΑρθρωτότηταςΑνάλυση Δικτύων↔ compare
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →